DE202014010689U1 - A system for evaluating the quality of medical images of at least a portion of a patient's anatomy - Google Patents
A system for evaluating the quality of medical images of at least a portion of a patient's anatomy Download PDFInfo
- Publication number
- DE202014010689U1 DE202014010689U1 DE202014010689.4U DE202014010689U DE202014010689U1 DE 202014010689 U1 DE202014010689 U1 DE 202014010689U1 DE 202014010689 U DE202014010689 U DE 202014010689U DE 202014010689 U1 DE202014010689 U1 DE 202014010689U1
- Authority
- DE
- Germany
- Prior art keywords
- image
- patient
- anatomy
- anatomical
- modeling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 210000003484 anatomy Anatomy 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 137
- 238000012545 processing Methods 0.000 claims abstract description 41
- 230000004807 localization Effects 0.000 claims abstract description 9
- 230000017531 blood circulation Effects 0.000 claims description 64
- 238000004088 simulation Methods 0.000 claims description 56
- 230000033001 locomotion Effects 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 229940079593 drug Drugs 0.000 claims description 5
- 239000003814 drug Substances 0.000 claims description 5
- 210000004204 blood vessel Anatomy 0.000 claims description 3
- 210000004351 coronary vessel Anatomy 0.000 description 40
- 230000003902 lesion Effects 0.000 description 23
- 238000011156 evaluation Methods 0.000 description 19
- 210000001367 artery Anatomy 0.000 description 18
- 238000002591 computed tomography Methods 0.000 description 18
- 238000001303 quality assessment method Methods 0.000 description 18
- 230000036772 blood pressure Effects 0.000 description 15
- 210000000709 aorta Anatomy 0.000 description 14
- 210000002216 heart Anatomy 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000011282 treatment Methods 0.000 description 11
- 201000010099 disease Diseases 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 238000002059 diagnostic imaging Methods 0.000 description 8
- 230000000747 cardiac effect Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 230000002107 myocardial effect Effects 0.000 description 7
- 230000002792 vascular Effects 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 230000010412 perfusion Effects 0.000 description 6
- 239000008280 blood Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 238000010205 computational analysis Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000001356 surgical procedure Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- OIRDTQYFTABQOQ-KQYNXXCUSA-N adenosine Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O OIRDTQYFTABQOQ-KQYNXXCUSA-N 0.000 description 4
- 208000029078 coronary artery disease Diseases 0.000 description 4
- 230000002526 effect on cardiovascular system Effects 0.000 description 4
- 210000004165 myocardium Anatomy 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 4
- 238000002603 single-photon emission computed tomography Methods 0.000 description 4
- 206010008479 Chest Pain Diseases 0.000 description 3
- 230000004087 circulation Effects 0.000 description 3
- 239000002872 contrast media Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000002592 echocardiography Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000001990 intravenous administration Methods 0.000 description 3
- 150000002823 nitrates Chemical class 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 239000002126 C01EB10 - Adenosine Substances 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- 206010020565 Hyperaemia Diseases 0.000 description 2
- 208000031481 Pathologic Constriction Diseases 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 2
- 229960005305 adenosine Drugs 0.000 description 2
- 238000002583 angiography Methods 0.000 description 2
- 239000000090 biomarker Substances 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 238000010968 computed tomography angiography Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002565 electrocardiography Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000036262 stenosis Effects 0.000 description 2
- 208000037804 stenosis Diseases 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 206010002388 Angina unstable Diseases 0.000 description 1
- 208000002330 Congenital Heart Defects Diseases 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- SNIOPGDIGTZGOP-UHFFFAOYSA-N Nitroglycerin Chemical compound [O-][N+](=O)OCC(O[N+]([O-])=O)CO[N+]([O-])=O SNIOPGDIGTZGOP-UHFFFAOYSA-N 0.000 description 1
- 239000000006 Nitroglycerin Substances 0.000 description 1
- 208000007718 Stable Angina Diseases 0.000 description 1
- 208000007814 Unstable Angina Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000000702 aorta abdominal Anatomy 0.000 description 1
- 210000002376 aorta thoracic Anatomy 0.000 description 1
- 210000002565 arteriole Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011511 automated evaluation Methods 0.000 description 1
- 239000002876 beta blocker Substances 0.000 description 1
- 229940097320 beta blocking agent Drugs 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 210000001736 capillary Anatomy 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 210000001715 carotid artery Anatomy 0.000 description 1
- 210000004298 cerebral vein Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 208000028831 congenital heart disease Diseases 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 230000007831 electrophysiology Effects 0.000 description 1
- 210000001105 femoral artery Anatomy 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 229960003711 glyceryl trinitrate Drugs 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 201000004332 intermediate coronary syndrome Diseases 0.000 description 1
- 238000002608 intravascular ultrasound Methods 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 238000009607 mammography Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004066 metabolic change Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007658 neurological function Effects 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011338 personalized therapy Methods 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 210000003137 popliteal artery Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 210000005241 right ventricle Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 210000000264 venule Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0263—Measuring blood flow using NMR
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5294—Devices using data or image processing specially adapted for radiation diagnosis involving using additional data, e.g. patient information, image labeling, acquisition parameters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
- G01R33/5635—Angiography, e.g. contrast-enhanced angiography [CE-MRA] or time-of-flight angiography [TOF-MRA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30172—Centreline of tubular or elongated structure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Abstract
System zum Bewerten der Qualität medizinischer Bilder wenigstens eines Teils der Anatomie eines Patienten, wobei das System umfasst: – eine digitale Speichervorrichtung, die Anweisungen zum Bewerten der Qualität medizinscher Bilder wenigstens eines Teils der Anatomie eines Patienten speichert, und – eine Verarbeitungseinheit, die dazu konfiguriert ist, die Instruktionen auszuführen, um ein Verfahren durchzuführen, das Folgendes umfasst: – Empfangen eines oder mehrerer Bilder wenigstens eines Teils der Anatomie eines Patienten, – Durchführen einer anatomischen Lokalisation oder Modellierung wenigstens eines Teils der Anatomie des Patienten basierend auf den empfangenen Bildern, – Erhalten für ein ausgewähltes der empfangenen Bilder mehrerer Bildeigenschaften des ausgewählten Bildes der empfangenen Bilder unter Verwendung der Verarbeitungseinheit des Computersystems, wobei die mehreren Bildeigenschaften zwei oder mehr verschiedene Arten von Bildeigenschaften umfassen und wobei jede der mehreren Bildeigenschaften mit einer anatomischen Besonderheit der Anatomie des Patienten basierend auf der anatomischen Lokalisation oder Modellierung verbunden wird, und – Berechnen einer Bildqualitätsbewertungszahl für das ausgewählte Bild der empfangenen Bilder basierend auf den mehreren Bildeigenschaften des ausgewählten Bildes der empfangenen Bilder unter Verwendung der Verarbeitungseinheit des Computersystems.A system for assessing the quality of medical images of at least a portion of a patient's anatomy, the system comprising: a digital storage device storing instructions for assessing the quality of medical images of at least a portion of a patient's anatomy, and a processing unit configured thereto is to carry out the instructions to perform a method comprising: receiving one or more images of at least a portion of a patient's anatomy; performing anatomical localization or modeling of at least a portion of the patient's anatomy based on the received images; Obtained for a selected one of the received images of a plurality of image characteristics of the selected image of the received images by using the processing unit of the computer system, wherein the plurality of image characteristics comprise two or more different types of image characteristics and wherein each of the plurality of image characteristics is associated with an anatomical peculiarity of the anatomy of the patient based on the anatomical location or modeling, and calculating an image quality score for the selected image of the received images based on the plurality of image characteristics of the selected image of the received images using Processing unit of the computer system.
Description
PRIORITÄT PRIORITY
Diese Anmeldung beansprucht den Vorteil der Priorität der vorläufigen US-Anmeldung Nr. 61/793,162, eingereicht am 15. März 2013, die hierin durch Verweis in ihrer Gesamtheit eingeschlossen sind. This application claims the benefit of priority of US Provisional Application No. 61 / 793,162, filed Mar. 15, 2013, which is incorporated herein by reference in its entirety.
TECHNISCHES GEBIET DER ERFINDUNG TECHNICAL FIELD OF THE INVENTION
Ausführungsformen der vorliegenden Offenbarung betreffen Systeme zum Bewerten medizinischer Bildqualität und insbesondere Systeme zum Bewerten medizinischer Bildqualität betreffend die patientenspezifische Modellierung einer Anatomie und/oder eines Blutflusses. Embodiments of the present disclosure relate to medical image quality assessment systems, and more particularly, to medical image quality assessment systems relating to patient-specific anatomy and / or blood flow modeling.
HINTERGRUND DER ERFINDUNG BACKGROUND OF THE INVENTION
Medizinische Bildgebung ist eine wichtige Technologie, die verwendet wird, um anatomische und physiologische Daten über den Körper, die Organe, Gewebe eines Patienten, oder einen Teil davon, zur klinischen Diagnose und Planung einer Behandlung zu erfassen. Medizinische Bildgebung umfasst, ist jedoch nicht darauf beschränkt, Radiografie, Computertomografie (CT), Magnetresonanzbildgebung (MRI), Fluoroskopie, Einzel-Photonen-Emissions-Computertomografie (SPECT), Positronen-Emissions-Tomografie (PET), Szintigrafie, Ultraschall und spezifische Techniken, wie Echokardiografie, Mammografie, intravaskulärer Ultraschall und Angiografie. Bilddaten können durch nichtinvasive oder invasive Eingriffe erfasst werden. Die Gebiete der Kardiologie, Neurowissenschaften, Onkologie, Orthopädie und viele andere können aus den in der medizinischen Bildgebung erfassten Informationen Nutzen ziehen. Medical imaging is an important technology used to capture anatomical and physiological data about the body, organs, tissues of a patient, or part of them, for clinical diagnosis and planning of a treatment. Medical imaging includes, but is not limited to, radiography, computed tomography (CT), magnetic resonance imaging (MRI), fluoroscopy, single-photon emission computed tomography (SPECT), positron emission tomography (PET), scintigraphy, ultrasound and specific techniques such as echocardiography, mammography, intravascular ultrasound and angiography. Image data can be acquired by noninvasive or invasive procedures. The fields of cardiology, neuroscience, oncology, orthopedics, and many others can benefit from information gathered in medical imaging.
Insbesondere im Gebiet der Kardiologie ist es wohl bekannt, dass Erkrankungen der Koronararterien dazu führen können, dass an den Blutgefäßen, die Blut zum Herzen leiten, Läsionen entwickelt werden, wie eine Stenose (anormale Verengung eines Blutgefäßes). Dadurch kann der Blutfluss zum Herzen eingeschränkt sein. Ein Patient, der an einer Erkrankung der Koronararterien leidet, kann Brustschmerzen verspüren, die, wenn sie während körperlicher Ertüchtigung auftreten, als chronische stabile Angina oder, wenn sich der Patient im Ruhezustand befindet, als instabile Angina bezeichnet werden. Eine schwerwiegendere Erscheinungsform der Erkrankung kann zu einem Myokardinfarkt oder einem Herzinfarkt führen. Es besteht ein Bedarf, genauere Daten betreffend Koronarläsionen bereitzustellen, z.B. betreffend die Größe, die Form, den Ort, die funktionelle Signifikanz (z.B. ob sich die Läsion auf den Blutfluss auswirkt) usw. Patienten, die an Brustschmerzen leiden und/oder Symptome einer Erkrankung der Koronararterien aufweisen, können einem oder mehreren Tests unterzogen werden, wie basierend auf medizinischer Bildgebung, die einige indirekte Nachweise betreffend Koronarläsionen bereitstellen können. Particularly in the field of cardiology, it is well known that diseases of the coronary arteries can lead to the development of lesions on the blood vessels leading blood to the heart, such as a stenosis (abnormal constriction of a blood vessel). This may limit blood flow to the heart. A patient suffering from coronary artery disease may experience chest pain which, when encountered during exercise, is termed chronic stable angina or, when the patient is at rest, unstable angina. A more severe manifestation of the disease can lead to a myocardial infarction or a heart attack. There is a need to provide more accurate data on coronary lesions, e.g. size, shape, location, functional significance (eg, whether the lesion affects blood flow), etc. Patients suffering from chest pain and / or having symptoms of coronary artery disease may be subjected to one or more tests, as based on medical imaging, which may provide some indirect evidence regarding coronary lesions.
Zusätzlich zu CT, SPECT und PT kann die Verwendung medizinischer Bildgebung zur nichtinvasiven Koronarbewertung auch Elektrokardiogramme, eine Auswertung von Biomarkern aus Bluttests, Laufbandtests und Echokardiografie umfassen. Diese nichtinvasiven Tests stellen typischerweise jedoch keine direkte Bewertung von Koronarläsionen oder Bewertungen von Blutflussraten bereit. Die nichtinvasiven Tests können indirekte Nachweise für Koronarläsionen bereitstellen, indem nach Veränderungen der elektrischen Aktivität der Herzens (z.B. unter Verwendung von Elektrokardiografie (EKG)), der Bewegung des Myokards (z.B. unter Verwendung von Belastungsechokardiografie), der Perfusion des Myokards (z.B. unter Verwendung von PET oder SPECT) oder metabolischen Veränderungen (z.B. unter Verwendung von Biomarkern) gesucht wird. In addition to CT, SPECT and PT, the use of medical imaging for non-invasive coronary evaluation may include electrocardiograms, evaluation of biomarkers from blood tests, treadmill tests and echocardiography. However, these noninvasive tests typically do not provide a direct assessment of coronary lesions or blood flow rate assessments. The non-invasive tests can provide indirect evidence of coronary lesions by following cardiac electrical activity (eg, using electrocardiography (ECG)), myocardial motion (eg, using exercise echocardiography), perfusion of the myocardium (eg PET or SPECT) or metabolic changes (eg using biomarkers).
Zum Beispiel können anatomische Daten nichtinvasiv unter Verwendung einer koronaren Computertomografie-Angiografie (CCTA) erfasst werden. CCTA kann zur Bildgebung für Patienten mit Brustschmerzen verwendet werden und umfasst die Verwendung der CT-Technologie, um das Herz und die Koronararterien nach einer intravenösen Infusion eines Kontrastmittels bildlich darzustellen. CCTA kann jedoch auch keine direkten Informationen über die funktionelle Signifikanz von Koronarläsionen bereitstellen, z.B. ob die Läsionen den Blutfluss beeinträchtigen. Zusätzlich, da CCTA ein ausschließlich diagnostischer Test ist, kann sie weder verwendet werden, Veränderungen im Koronarblutfluss, -druck oder der Myokardperfusionen unter anderen physiologischen Zuständen (z.B. bei körperlicher Ertüchtigung) bereitstellen, noch dafür verwendet werden, die Ergebnisse von Eingriffen vorherzusagen. For example, anatomical data can be acquired non-invasively using coronary computed tomography angiography (CCTA). CCTA can be used for imaging patients with chest pain and includes the use of CT technology to image the heart and coronary arteries after intravenous infusion of a contrast agent. However, CCTA also can not provide direct information about the functional significance of coronary lesions, e.g. whether the lesions affect the blood flow. In addition, since CCTA is an exclusively diagnostic test, it can not be used to provide changes in coronary blood flow, pressure, or myocardial perfusion under other physiological conditions (e.g., exercise), nor can it be used to predict the outcome of procedures.
Demnach benötigen Patienten unter Umständen außerdem einen invasiven Test, wie eine diagnostische Herzkatheterisierung, um Koronarläsionen bildlich darzustellen. Diagnostische Herzkatheterisierung kann das Durchführen einer konventionellen Koronarangiografie (CCA) umfassen, um anatomische Daten über Koronarläsionen zu sammeln, indem einem Arzt ein Bild der Größe und Form der Arterien bereitgestellt wird. CCA stellt jedoch keine Daten zum Bewerten der funktionellen Signifikanz von Koronarläsionen bereit. Zum Beispiel ist ein Arzt unter Umständen nicht in der Lage, zu diagnostizieren, ob eine Koronarläsion schädlich ist, ohne zu bestimmen, ob die Läsion funktionell signifikant ist. Demnach hat CCA zu etwas geführt, das als ein "okulostenotischer Reflex" einiger interventioneller Kardiologen bezeichnet wird, für jede unter Verwendung von CCA gefundene Läsion einen Stent einzusetzen, unabhängig davon, ob die Läsion funktionell signifikant ist. Dadurch kann CCA zu unnötigen Operationen an Patienten führen, was zusätzliche Risiken für Patienten und unnötige Behandlungskosten für Patienten verursachen kann. Thus, patients may also require an invasive test, such as diagnostic cardiac catheterization, to image coronary lesions. Diagnostic cardiac catheterization may include performing conventional coronary angiography (CCA) to obtain anatomical data on Collect coronary lesions by providing a physician with a picture of the size and shape of the arteries. However, CCA does not provide data to evaluate the functional significance of coronary lesions. For example, a physician may not be able to diagnose whether a coronary lesion is detrimental without determining whether the lesion is functionally significant. Thus, CCA has led to what is referred to as an "oculostenotic reflex" by some interventional cardiologists to use a stent for any lesion found using CCA, regardless of whether the lesion is functionally significant. As a result, CCA can lead to unnecessary operations on patients, which can cause additional risks for patients and unnecessary treatment costs for patients.
Während einer diagnostischen Herzkatheterisierung kann die funktionelle Signifikanz einer Koronarläsion invasiv bewertet werden, indem die der fraktionelle Flussreserve (FFR) einer erkannten Läsion gemessen wird. FFR ist als das Verhältnis des durchschnittlichen Blutdrucks stromabwärts einer Läsion geteilt durch den durchschnittlichen Blutdruck stromaufwärts der Läsion, z.B. den Aortendruck, unter Bedingungen mit erhöhtem Koronarblutflusses, z.B. bedingt durch intravenöse Verabreichung von Adenosin. Die Blutdrücke können durch Einführen eines Druckdrahtes in den Patienten gemessen werden. Demnach kann die Entscheidung, eine Läsion basierend auf der bestimmten FFR zu behandeln, getroffen werden, nachdem die Vorkosten und das Risiko einer diagnostischen Herzkatheterisierung bereits angefallen sind. During diagnostic cardiac catheterization, the functional significance of a coronary lesion can be assessed invasively by measuring the fractional flow reserve (FFR) of a detected lesion. FFR is expressed as the ratio of the average blood pressure downstream of a lesion divided by the average blood pressure upstream of the lesion, e.g. the aortic pressure under conditions of increased coronary blood flow, e.g. due to intravenous administration of adenosine. The blood pressures can be measured by inserting a pressure wire into the patient. Thus, the decision to treat a lesion based on the particular FFR may be taken after the initial cost and risk of diagnostic cardiac catheterization have already been incurred.
Um die Lücken zu schließen, die durch jede von den oben beschriebenen ausschließlich medizinischen Bildgebungs- und invasiven Eingriffen hinterlassen werden, hat die Firma HeartFlow, Inc. eine Simulations- und Modellierungstechnologie basierend auf patientenspezifischen Bilddaten entwickelt. Zu den verschiedenen Simulationen, Modellierungen und computergestützten Technologien zählen z.B., jedoch ohne darauf beschränkt zu sein: computergestützte Mechanik, numerische Strömungsmechanik (computational fluid dynamics – CFD), numerische Simulation, Multiskalamodellierung, Monte-Carlo-Simulation, maschinelles Lernen, künstliche Intelligenz und verschiedene andere computergestützte Verfahren, mathematischer Modelle zu lösen. Diese Techniken können u.a. Informationen über Biomechanik, Fluidmechanik, Veränderungen der Anatomie und Physiologie im Laufe der Zeit, Elektrophysiologie, Belastungen und Beanspruchungen auf das Gewebe, Organfunktion und neurologische Funktion bereitstellen. Diese Informationen können zum Zeitpunkt der Bildgebungsstudie oder der Vorhersage von Veränderungen im Laufe der Zeit als Ergebnis medizinischer Eingriffe oder dem Verlauf von Zeit und Fortschreiten der Krankheit bereitgestellt werden. To fill in the gaps left by any of the medical imaging and invasive procedures described above, HeartFlow, Inc. has developed a simulation and modeling technology based on patient-specific image data. For example, but not limited to, computer-aided mechanics, computational fluid dynamics (CFD), numerical simulation, multi-scale modeling, Monte Carlo simulation, machine learning, artificial intelligence, and various other computer-aided methods to solve mathematical models. These techniques can i.a. Provide information about biomechanics, fluid mechanics, changes in anatomy and physiology over time, electrophysiology, stress and strain on the tissue, organ function and neurological function. This information may be provided at the time of the imaging study or the prediction of changes over time as a result of medical intervention or the course of time and progression of the disease.
Eine illustrative Anwendung der computergestützten Simulation und Modellierung ist von der Firma HeartFlow, Inc. zur Modellierung des vaskulären Blutflusses aus nichtinvasiven Bilddaten beschrieben, einschließlich der Bewertung des Effekts verschiedener medizinischer, interventioneller oder chirurgischer Behandlungen (siehe z.B. die
Für die oben beschriebenen Techniken sowie für viele andere Anwendungen der bildgebungsbasierenden Modellierung und Simulation sind die Eigenschaften und Qualität der Bilddaten wichtig. Während der Einholung medizinischer Bilddaten können mehrere Artefakte oder Einschränkungen vorhanden sein, welche die Qualität des Bildes beeinflussen können. Zum Beispiel können die Einstellungen und Fähigkeiten räumlicher und zeitlicher Auflösung, Energie-Gewebe-Wechselwirkungen, Patienten- oder Organbewegung, Rekonstruktionsalgorithmen, Hardware-Fehler, Zeitaufnahme oder Einholung, Detektorsensitivität, verabreichte Medikation oder Kontrastmittel, Patientenvorbereitung und verschiedene andere Faktoren die resultierende Bildqualität beeinflussen. Zu diesen Effekten zählen, jedoch nicht darauf beschränkt, schlechte Auflösung, Bewegungs- oder Unschärfeartefakte, starkes Rauschen, niedriger Kontrast des Gewebes, schlechte Perfusion, partieller Volumeneffekt, Verzerrung, Abschneiden von Strukturen, Schattierung usw. Da diese Qualitätsprobleme die Leistung und Genauigkeit der Modelle und Simulationen basierend auf den Bilddaten beeinträchtigen können, besteht ein Bedarf zu bestimmen, ob die Bildqualität geeignet ist, oder den Effekt der Bildqualität auf Modellierungs- und Simulationsergebnisse zu bestimmen. For the techniques described above, as well as many other applications of imaging based modeling and simulation, the characteristics and quality of the image data are important. While obtaining medical image data, there may be multiple artifacts or limitations that may affect the quality of the image. For example, the settings and capabilities of spatial and temporal resolution, energy-tissue interactions, patient or organ movement, reconstruction algorithms, hardware errors, timing or acquisition, detector sensitivity, administered medication or contrast agents, patient preparation, and various other factors can affect the resulting image quality. These effects include, but are not limited to, poor resolution, motion or blurring artifacts, high noise, low tissue contrast, poor perfusion, partial volume effect, distortion, truncation, shading, etc. These quality issues are the performance and accuracy of the models and affect simulations based on the image data, there is a need to determine whether image quality is appropriate or to determine the effect of image quality on modeling and simulation results.
OFFENBARUNG DER ERFINDUNG DISCLOSURE OF THE INVENTION
Es besteht ein Bedarf für Systeme zum Bewerten und Quantifizieren medizinischer Bildqualität und insbesondere für Systeme zum Bewerten und Quantifizieren medizinischer Bildqualität in Bezug auf eine patientenspezifische Modellierung des Blutflusses. There is a need for systems for evaluating and quantifying medical image quality, and more particularly for systems for assessing and quantifying medical image quality related to patient-specific modeling of blood flow.
Die Aufgabe wird gelöst von einem System gemäß Anspruch 1. Vorteilhafte Ausgestaltungen und Weiterbildungen sind Gegenstand der Unteransprüche. The object is achieved by a system according to
Das erfindungsgemäße System impliziert auch ein Verfahren, weshalb nachfolgend sowohl Ausgestaltungen verschiedener erfindungsgemäßer Systems als auch entsprechender Verfahren beschrieben werden, um den Anwender der Erfindung bestmöglich in die Lage zu versetzen, Nutzen aus der Erfindung zu ziehen. The system according to the invention also implies a method, for which reason embodiments of various systems according to the invention as well as corresponding methods will be described below in order to enable the user of the invention in the best possible way to benefit from the invention.
Gemäß einer Ausführungsform werden Verfahren zum Bewerten der Qualität medizinischer Bilder wenigstens eines Teils der Anatomie eines Patienten unter Verwendung eines Computersystems offenbart. Ein Verfahren umfasst dabei Empfangen eines oder mehrerer Bilder wenigstens eines Teils der Anatomie eines Patienten, Bestimmen eines oder mehrerer Bildmerkmale des/der empfangenen Bilder unter Verwendung einer Verarbeitungseinheit des Computersystems, Durchführen einer anatomischen Lokalisation oder Modellierung wenigstens eines Teils der Anatomie eines Patienten basierend auf den empfangenen Bildern unter Verwendung einer Verarbeitungseinheit des Computersystems, Erhalten einer Identifikation einer oder mehrerer Bildeigenschaft(en), die mit einer anatomischen Besonderheit der Anatomie des Patienten verbunden sind, basierend auf der anatomischen Lokalisation oder Modellierung, und Berechnen einer Bildqualitätsbewertungszahl basierend auf dem einen oder den mehreren Bildmerkmal(en) und der einen oder den mehreren Bildeigenschaft(en) unter Verwendung einer Verarbeitungseinheit des Computersystems. According to one embodiment, methods are disclosed for evaluating the quality of medical images of at least a portion of the anatomy of a patient using a computer system. A method thereby comprises receiving one or more images of at least a portion of the anatomy of a patient, determining one or more image features of the received image (s) using a processing unit of the computer system, performing anatomical localization, or modeling at least a portion of a patient's anatomy based on the received images using a processing unit of the computer system, obtaining an identification of one or more image property (s) associated with an anatomical particularity of the patient's anatomy based on the anatomical location or modeling, and calculating an image quality score based on the one or more a plurality of image feature (s) and the one or more image features using a processing unit of the computer system.
Gemäß einer anderen Ausführungsform werden Systeme zum Bewerten der Qualität medizinischer Bilder wenigstens eines Teils der Anatomie eines Patienten offenbart. Ein System umfasst eine digitale Speichervorrichtung, das Anweisungen zum Bewerten der Qualität medizinischer Bilder wenigstens eines Teils der Anatomie eines Patienten speichert, und eine Verarbeitungseinheit, die dazu konfiguriert ist, die Anweisungen auszuführen, um ein Verfahren durchzuführen, das umfasst: Empfangen eines oder mehrerer Bilder wenigstens eines Teils der Anatomie eines Patienten, Bestimmen eines oder mehrerer Bildmerkmale des/der empfangenen Bilder unter Verwendung einer Verarbeitungseinheit des Computersystems, Durchführen einer anatomischen Lokalisation oder Modellierung wenigstens eines Teils der Anatomie eines Patienten basierend auf den empfangenen Bildern unter Verwendung einer Verarbeitungseinheit des Computersystems, Erhalten einer Identifikation einer oder mehrerer Bildeigenschaft(en), die mit einer anatomischen Besonderheit der Anatomie des Patienten verbunden ist/sind, basierend auf der anatomischen Lokalisation oder Modellierung, und Berechnen einer Bildqualitätsbewertungszahl basierend auf dem einen oder den mehreren Bildmerkmal(en) und der einen oder den mehreren Bildeigenschaft(en) unter Verwendung einer Verarbeitungseinheit des Computersystems. In another embodiment, systems are disclosed for evaluating the quality of medical images of at least a portion of a patient's anatomy. A system includes a digital storage device storing instructions for assessing the quality of medical images of at least a portion of a patient's anatomy, and a processing unit configured to execute the instructions to perform a method comprising: receiving one or more images at least a portion of the anatomy of a patient, determining one or more image features of the received image (s) using a processing unit of the computer system, performing anatomical localization or modeling at least a portion of the anatomy of a patient based on the received images using a processing unit of the computer system, Obtaining an identification of one or more image characteristics associated with an anatomical particularity of the anatomy of the patient based on the anatomical location or modeling, and calculating a B image quality score based on the one or more image feature (s) and the one or more image properties using a processing unit of the computer system.
Gemäß einer weiteren Ausführungsform wird ein nichtflüchtiges, computerlesbares Medium zur Verwendung auf wenigstens einem Computersystem offenbart, das computerausführbare Programmieranweisungen zum Bewerten der Qualität medizinischer Bilder wenigstens eines Teils der Anatomie eines Patienten enthält, die bei Ausführung durch das wenigstens eine Computersystem die Leistung eines Verfahrens verursacht, das umfasst: Empfangen eines oder mehrerer Bilder wenigstens eines Teils der Anatomie eines Patienten, unter Verwendung einer Verarbeitungseinheit des Computersystems, Bestimmen eines oder mehrerer Bildmerkmale der empfangenen Bilder, Durchführen einer anatomischen Lokalisation oder Modellierung wenigstens eines Teils der Anatomie eines Patienten basierend auf den empfangenen Bilder unter Verwendung einer Verarbeitungseinheit des Computersystems, Erhalten einer Identifikation eines oder mehrerer Bildeigenschaft(en), die mit einem anatomischen Merkmal der Anatomie des Patienten verbunden sind, basierend auf der anatomischen Lokalisation oder Modellierung, und Berechnen einer Bildqualitätsbewertungszahl basierend auf dem einen oder den mehreren Bildmerkmal(en) und der einen oder den mehreren Bildeigenschaft(en) unter Verwendung einer Verarbeitungseinheit des Computersystems. According to another embodiment, there is disclosed a non-transitory computer-readable medium for use on at least one computer system that includes computer-executable programming instructions for evaluating the quality of medical images of at least a portion of a patient's anatomy that, when executed by the at least one computer system, causes performance of a method. comprising receiving one or more images of at least a portion of the anatomy of a patient using a processing unit of the computer system, determining one or more image features of the received images, performing anatomical localization, or modeling at least a portion of the anatomy of a patient based on the received images using a processing unit of the computer system, obtaining an identification of one or more image characteristics associated with an anatomical feature of the patient's anatomy; based on the anatomical localization or modeling, and calculating an image quality score based on the one or more image feature (s) and the one or more image features using a processing unit of the computer system.
Zusätzliche Ausführungsformen und Vorteile werden teilweise in der folgenden Beschreibung ausgeführt und sind teilweise aus der Beschreibung offensichtlich oder können durch die Umsetzen der Offenbarung erlernt werden. Die Ausführungsformen und Vorteile sind anhand der Elemente und Kombinationen, die insbesondere nachstehend dargelegt werden, realisiert und erzielt. Additional embodiments and advantages will be set forth in part in the description which follows, and in part will be obvious from the description, or may be learned by practice of the disclosure. The embodiments and advantages are realized and attained by means of the elements and combinations particularly set forth below.
Weitere Einzelheiten und Vorteile der Erfindung ergeben sich aus der nachfolgenden rein beispielhaften und nicht-beschränkenden Beschreibung eines Ausführungsbeispiels in Verbindung mit der elf Figuren umfassenden Zeichnung. Further details and advantages of the invention will become apparent from the following purely exemplary and non-limiting description of an embodiment in conjunction with the drawings comprising eleven figures.
KURZE BESCHREIBUNG DER ZEICHNUNG BRIEF DESCRIPTION OF THE DRAWING
BESCHREIBUNG BEVORZUGTER AUSFÜHRUNGSFORMEN DESCRIPTION OF PREFERRED EMBODIMENTS
An dieser Stelle wird nun ausführlich auf die beispielhaften Ausführungsformen Bezug genommen, deren Beispiele in den beigefügten Zeichnungen dargestellt sind. Wo immer möglich, werden dieselben Bezugszeichen durch die Zeichnungen verwendet, um auf dieselben oder ähnliche Teile hinzuweisen. Reference will now be made in detail to the exemplary embodiments, examples of which are illustrated in the accompanying drawings. Wherever possible, the same reference numbers will be used throughout the drawings to refer to the same or like parts.
Die vorliegende Offenbarung betrifft die Bewertung und Quantifizierung der Qualität medizinischer Bilder. In einer Ausführungsform beschreibt die vorliegende Offenbarung Systeme und Verfahren zum Bewerten der Bildqualität zum Zweck der Vorhersage oder Analyse der Genauigkeit und Leistung einer medizinischen Bildgebungssimulation und -modellierung. In einer Ausführungsform umfasst ein Verfahren zum Bewerten einer medizinischen Bildqualität: Empfangen von Bilddaten und möglicherweise von Patienteninformationen, Durchführen einer Bewertung der Bildqualität mittels computerautomatisierter, benutzergesteuerter oder einer Kombination von Mitteln auf lokaler und/oder globaler Ebene, und Erzeugen eines Maßes der Bildqualität, die regional (z.B. für ein Gefäß) oder für einen gesamten Datensatz oder mehrfache Datensätze sind. In einer Ausführungsform kann ein Verfahren zum Bewerten einer medizinischen Bildqualität das Anwenden von Maßen der Bildqualität für eines oder mehrere der folgenden umfassen: (i) Beurteilen, ob die Bilddaten zum Erhalten der gewünschten Simulationsgenauigkeit, -präzision und/oder -leistung geeignet sind, (ii) Schätzen der Genauigkeit, Präzision oder der Verlässlichkeit der Simulationsergebnisse, (iii) Führen der Simulations- oder Modellierungstechniken, die am besten zum Erreichen der gewünschten Genauigkeit, Präzision und/oder Leistung geeignet sind, und/oder (iv) Auswählen, Kombinieren oder Korrigieren der besten Daten aus mehreren empfangenen Daten, um die gewünschte Genauigkeit, Präzision und/oder Leistung zu erreichen. The present disclosure relates to the evaluation and quantification of the quality of medical images. In one embodiment, the present disclosure describes systems and methods for assessing image quality for the purpose of predicting or analyzing the accuracy and performance of medical imaging simulation and modeling. In one embodiment, a method for evaluating medical image quality includes receiving image data and possibly patient information, performing image quality assessment using computer-automated, user-controlled, or image quality Combining resources at the local and / or global level, and generating a measure of image quality that is regional (eg, for a vessel) or for an entire data set or multiple data sets. In one embodiment, a method of evaluating a medical image quality may include applying image quality measures to one or more of: (i) judging whether the image data is suitable for obtaining the desired simulation accuracy, precision, and / or performance; (ii) estimating the accuracy, precision or reliability of the simulation results; (iii) conducting the simulation or modeling techniques best suited to achieve the desired accuracy, precision and / or performance; and / or (iv) selecting, combining or Correct the best data from multiple received data to achieve the desired accuracy, precision, and / or performance.
Bei einer Ausführungsform können Qualitätsprobleme oder Anomalien, jedoch ohne Einschränkung darauf, geringen Kontrast, Rauschen, Bewegung oder Unschärfe, Deckungsfehler oder Fehlausrichtung, geringe Auflösung, Partieller Volumeneffekt, Strahlaufhärtung, abgeschnittene vom Scan ausgeschlossene Anatomie, Streifenbildung, Scanfehler, fehlende Daten und/oder nicht übereinstimmende Kontrastzeitaufnahme umfassen. Falls diese Probleme Informationen von Interesse, wie die Anatomie der Koronararterien, auf solche Weise beeinflussen, dass sie die Qualität, Genauigkeit oder Leistung der Blutflussmodelle und -simulationen beeinflussen, dann kann es wünschenswert sein, die Bildqualitätsprobleme zu erkennen und zu bewerten. Danach kann die Qualität der Bilddaten auf ihre Wirkung auf die Fähigkeit, die gewünschten Informationen aus den Patientenbildern zu extrahieren, analysiert werden. In one embodiment, quality problems or anomalies may include, but are not limited to, low contrast, noise, motion or blur, registration error or misalignment, low resolution, partial volume effect, beam hardening, cut-off anatomy excluded from the scan, banding, scan errors, missing data, and / or not include matching contrast time recording. If these problems affect information of interest, such as the anatomy of the coronary arteries, in such a way as to affect the quality, accuracy or performance of the blood flow models and simulations, then it may be desirable to recognize and evaluate the image quality problems. Thereafter, the quality of the image data can be analyzed for its effect on the ability to extract the desired information from the patient images.
Bei einer beispielhaften Ausführungsform umfassen die offenbarten Verfahren und Systeme die Verwendung wenigstens eines Computers, der dazu konfiguriert ist, patientenspezifische Bilddaten zu empfangen, die wenigstens einen Teil des Koronarblutkreislaufes enthalten. Um den Koronarblutfluss aus den Bilddaten zu modellieren, können wenigstens einige Teile der Koronararterienanatomie gemessen, modelliert, segmentiert oder geschätzt werden. Zusätzlich können wenigstens einige Teile des Herzens, der Aorta, des Myokards, der Ventrikel, der Klappen, der Venen und anderer Strukturen des Herzens gemessen, modelliert, segmentiert oder geschätzt werden. Zusammen mit den anatomischen Repräsentationen, können Informationen über Kontrastwerte, Kontrastgradienten oder andere Maße für die Bildanalyse extrahiert werden, um das Modell darüber zu benachrichtigen. In an exemplary embodiment, the disclosed methods and systems include the use of at least one computer configured to receive patient-specific image data that includes at least a portion of the coronary blood stream. In order to model the coronary blood flow from the image data, at least some parts of the coronary artery anatomy may be measured, modeled, segmented or estimated. Additionally, at least some portions of the heart, aorta, myocardium, ventricles, valves, veins, and other structures of the heart may be measured, modeled, segmented, or estimated. Along with the anatomical representations, information about contrast values, contrast gradients, or other dimensions for image analysis can be extracted to notify the model of it.
Daher sind in einer solchen beispielhaften Ausführungsform Verfahren und Systeme zum Bestimmen der Bildqualität patientenspezifischer Bilddaten zum Zweck einer Blutflussmodellierung und -simulation offenbart. Eine solche Ausführungsform kann die Bewertung von Koronar-Computertomografie-Angiografie-(cCTA)-Bilddaten umfassen, um Informationen zu simulieren, die, jedoch nicht darauf beschränkt, Koronarblutfluss, Geschwindigkeit, Druck, Plaque und Wandbeanspruchung sowie fraktionelle Flussreserve (FFR) umfassen. Die Verfahren und Systeme können auch auf andere Bereiche des Blutkreislaufs, die, jedoch nicht darauf beschränkt, den Karotis-, Peripherie-, Abdominal-, Nieren- und Hirnblutkreislauf umfassen, sowie auch auf andere Modalitäten angepasst werden, die, jedoch nicht darauf beschränkt, MRI, PET, SPECT, Ultraschall und Angiografie umfassen. Therefore, in such an exemplary embodiment, methods and systems for determining the image quality of patient-specific image data for purposes of blood flow modeling and simulation are disclosed. Such an embodiment may include evaluating coronary computed tomography angiography (cCTA) image data to simulate information including, but not limited to, coronary blood flow, velocity, pressure, plaque and wall stress, and fractional flow reserve (FFR). The methods and systems may also be adapted to other areas of the bloodstream, including, but not limited to, the carotid, peripheral, abdominal, renal, and cerebral circulation, as well as other modalities including, but not limited to, Include MRI, PET, SPECT, ultrasound and angiography.
Dementsprechend werden in bestimmten nachfolgenden Ausführungsformen Systeme und Verfahren zum Bewerten und Quantifizieren einer Bildqualität im Zusammenhang mit Bildern des Koronarblutkreislaufes zu beispielhaften Zwecken beschrieben. Ganz insbesondere werden in bestimmten Ausführungsformen Systeme und Verfahren zum Bewerten und Quantifizieren einer Bildqualität im Zusammenhang mit einem Analysieren der Bildqualität zu beispielhaften Zwecken beschrieben, die zum Modellieren eines patientenspezifischen Koronarblutkreislaufes und zum Simulieren des Blutflusses durch einen patientenspezifischen Koronarblutkreislauf verwendet werden. Es ist dabei jedoch zu beachten, dass die vorliegend offenbarten Techniken zum Bewerten und Quantifizieren der Bildqualität gleichwohl auf die Auswertung und Manipulierung medizinischer Bildgebung in Bezug auf eine beliebigen Anatomie oder in Bezug auf eine beliebige kardiovaskulären Auswertung unter beliebigen anderen medizinischen Diagnostiktechniken anwendbar sind. Accordingly, in certain subsequent embodiments, systems and methods for assessing and quantifying image quality associated with images of the coronary blood circulation are described for exemplary purposes. More particularly, in certain embodiments, systems and methods for assessing and quantifying image quality associated with analyzing the image quality for exemplary purposes used to model a patient-specific coronary blood circulation and simulate blood flow through a patient-specific coronary blood stream are described. It should be understood, however, that the presently disclosed techniques for evaluating and quantifying image quality are nevertheless applicable to the evaluation and manipulation of medical imaging with respect to any anatomy or to any cardiovascular evaluation among any other medical diagnostic techniques.
Beispielhafter Kardiovaskulärer Zusammenhang Exemplary cardiovascular relationship
Bei einer Ausführungsform betrifft die vorliegende Offenbarung Verfahren und Systeme zum Bewerten einer Bildqualität im Zusammenhang mit dem Bestimmen von Blutflussinformationen in einem spezifischen Patienten unter Verwendung von vom Patienten nichtinvasiv erfassten Informationen. Verschiedene Ausführungsformen eines solchen Verfahrens und Systems sind im Einzelnen im
In manchen Ausführungsformen können sich die durch das Verfahren und das System bestimmten Informationen auf den Blutfluss in dem Koronarblutkreislauf des Patienten beziehen. Alternativ können sich die bestimmten Informationen auf den Blutfluss in anderen Bereichen des Blutkreislaufes des Patienten beziehen, wie z.B. den Karotis-, Peripherie-, Abdominal-, Nieren- und Hirnblutkreislauf. Der Koronarblutkreislauf umfasst ein komplexes Netzwerk an Gefäßen, die von großen Arterien bis hin zu Arteriolen, Kapillaren, Venolen, Venen usw. reichen. Der Koronarblutkreislauf zirkuliert Blut zum und im Herzen und umfasst eine Aorta, die Blut zu mehreren Hauptkoronararterien leitet (z.B. die linke vordere absteigende (LAD) Arterie, die linke Zirkumflex-(LCX)-Arterie, die rechte Koronararterie (RCA) usw.), die sich stromabwärts von der Aorta und den Hauptkoronararterien weiter in Äste von Arterien oder andere Gefäßarten aufteilen können. Demnach können das beispielhafte Verfahren und System verschiedene Informationen bestimmen, die sich auf den Blutfluss in der Aorta, den Hauptkoronararterien und/oder anderen Koronararterien oder Gefäßen stromabwärts von den Hauptkoronararterien beziehen. Wenngleich nachfolgend die Aorta und Koronararterien (und die davon abzweigenden Äste) beschrieben sind, können sich das offenbarte Verfahren und System auch auf andere Arten von Gefäßen beziehen. In some embodiments, the information determined by the method and system may relate to blood flow in the patient's coronary bloodstream. Alternatively, the particular information may relate to blood flow in other areas of the patient's bloodstream, such as the carotid, peripheral, abdominal, renal, and cerebral blood circulation. The coronary circulation includes a complex network of vessels ranging from large arteries to arterioles, capillaries, venules, veins, and so forth. The coronary circulation circulates blood to and in the heart and includes an aorta that conducts blood to several major coronary arteries (eg, the left anterior descending (LAD) artery, left circumflex (LCX) artery, right coronary artery (RCA), etc.), downstream of the aorta and main coronary arteries, which may further divide into branches of arteries or other types of vessels. Thus, the exemplary method and system may determine various information related to blood flow in the aorta, the main coronary arteries, and / or other coronary arteries or vessels downstream of the main coronary arteries. Although the aorta and coronary arteries (and branching branches thereof) are described below, the disclosed method and system may also refer to other types of vessels.
Bei einer beispielhaften Ausführungsform können die durch die offenbarten Verfahren und Systeme bestimmten Informationen verschiedene Blutflusseigenschaften oder -parameter, wie Blutflussgeschwindigkeit, Druck (oder ein Verhältnis davon), Flussrate und FFR an verschiedenen Orten in der Aorta, den Hauptkoronararterien und/oder anderen Koronararterien oder Gefäßen stromabwärts von den Hauptkoronararterien umfassen, ohne darauf beschränkt zu sein. Diese Informationen können verwendet werden, um zu bestimmen, ob eine Läsion funktionell signifikant ist und/oder ob die Läsion behandelt werden soll. Diese Informationen können unter Verwendung von nichtinvasiv vom Patienten erfassten Informationen bestimmt werden. Dadurch kann die Entscheidung, ob eine Läsion behandelt werden soll oder nicht, ohne die mit invasiven Eingriffen verbundenen Kosten und Risiken getroffen werden. In an exemplary embodiment, the information determined by the disclosed methods and systems may include various blood flow characteristics or parameters, such as blood flow velocity, pressure (or a ratio thereof), flow rate, and FFR at various locations in the aorta, the major coronary arteries, and / or other coronary arteries or vessels downstream of the main coronary arteries include, but are not limited to. This information can be used to determine if a lesion is functionally significant and / or if the lesion is to be treated. This information can be determined using noninvasively collected information from the patient. Thus, the decision as to whether to treat a lesion or not can be made without the costs and risks associated with invasive surgery.
Verschiedene physiologische Gesetze oder Verhältnisse
Die Gleichungen
Bei einer beispielhaften Ausführungsform kann das Computersystem
Ein dreidimensionales Modell der Anatomie des Patienten kann basierend auf den erfassten anatomischen Daten erzeugt werden (Schritt
Das dreidimensionale Modell kann für die Analyse vorbereitet werden und Grenzbedingungen können bestimmt werden (Schritt
Grenzbedingungen können ebenfalls zugewiesen und in die oben in Verbindung mit
Die rechnerische Analyse kann unter Verwendung des vorbereiteten dreidimensionalen Modells und der bestimmten Grenzbedingungen (Schritt
Das Verfahren kann außerdem das Bereitstellen patientenspezifischer Behandlungsoptionen unter Verwendung der Ergebnisse (Schritt
Die hierin offenbarten Systeme und Verfahren können in ein Software-Tool integriert werden, auf das Ärzte zugreifen, um ein nichtinvasives Mittel zur Quantifizierung des Blutflusses in den Koronararterien bereitzustellen und die funktionelle Signifikanz einer Erkrankung der Koronararterien zu bewerten. Zusätzlich können Ärzte das Software-Tool verwenden, um die Auswirkung medizinischer, interventioneller und/oder chirurgischer Behandlungen auf den Koronararterienblutfluss vorherzusagen. Das Software-Tool kann die Erkrankung in anderen Teilen des kardiovaskulären Systems, einschließlich der Arterien im Hals (z.B. Halsschlagadern), der Arterien im Kopf (z.B. Hirnschlagadern), der Arterien im Thorax, der Arterien im Abdomen (z.B. der Bauchaorta und ihren Äste), der Arterien in den Armen oder der Arterien in den Beinen (z.B. der femoralen und poplitealen Arterien) verhindern, diagnostizieren, lindern und/oder behandeln. Das Software-Tool kann interaktiv sein, um es dem Arzt zu ermöglichen, optimal personalisierte Therapien für Patienten zu entwickeln. The systems and methods disclosed herein may be integrated into a software tool accessed by physicians to provide a noninvasive means of quantifying blood flow in the coronary arteries and to assess the functional significance of coronary artery disease. In addition, physicians may use the software tool to predict the impact of medical, interventional, and / or surgical treatments on coronary artery blood flow. The software tool can diagnose the condition in other parts of the cardiovascular system, including the arteries in the neck (eg carotid arteries), the arteries in the head (eg, cerebral veins), the arteries in the thorax, the arteries in the abdomen (eg, the abdominal aorta and its branches) prevent, diagnose, alleviate and / or treat arteries in the arms or arteries in the legs (eg, the femoral and popliteal arteries). The software tool can be interactive to allow the physician to develop optimally personalized therapies for patients.
Zum Beispiel kann das Software-Tool wenigstens teilweise in ein Computersystem integriert sein, zum Beispiel das in
Alternativ kann das Software-Tool als Teil eines web-basierten Dienstes oder eines anderen Dienstes, z.B. eines Dienstes, der von einer vom Arzt separaten Instanz bereitgestellt wird, bereitgestellt werden. Der Dienstanbieter kann zum Beispiel einen webbasierten Dienst betreiben und ein Webportal oder eine andere webbasierte Anwendung bereitstellen (die z.B. auf einem Server oder einem anderen durch den Dienstanbieter betriebenen Computersystem läuft), auf das/die Ärzte oder andere Benutzer über ein Netzwerk oder andere zum Kommunizieren von Daten zwischen Computersystemen zugreifen können. Zum Beispiel können die nichtinvasiv vom Patienten erfassten Daten an den Dienstanbieter bereitgestellt werden und der Dienstanbieter kann die Daten verwenden, um das dreidimensionale Modell
Bildqualitätsbewertung Image quality evaluation
Die oben beschriebenen Techniken zur rechnerischen Modellierung für eine nichtinvasiv berechnete FFR kann von Bildqualitätsbewertungen profitieren. Dementsprechend beschreibt die vorliegende Offenbarung Verfahren und Systeme zum Quantifizieren und Bewerten der Effekte der Bildqualität auf die verfügbaren Daten in den anatomischen und mathematischen Modellen, die in der Simulation von Blutflusseigenschaften verwendet werden. Zusätzlich beschreibt die vorliegende Offenbarung Verfahren und Systeme zum Bewerten der Unsicherheit eines Gefäßes und anderer anatomischer Modelle basierend auf lokalen und globalen Bildmerkmalen und zum Berechnen von Verlässlichkeitsintervallen von simulierten Blutflussberechnungen basierend auf einer vorhergesagten Unsicherheit. The computational modeling techniques described above for non-invasively calculated FFR may benefit from image quality evaluations. Accordingly, the present disclosure describes methods and systems for quantifying and evaluating the effects of image quality on the available data in the anatomical and mathematical models used in the simulation of blood flow characteristics. In addition, the present disclosure describes methods and systems for evaluating the uncertainty of a vessel and other anatomical models based on local and global image features and calculating reliability intervals of simulated blood flow calculations based on a predicted uncertainty.
Bei einer beispielhaften Ausführungsform können die Verfahren und Systeme wenigstens einen Computer implementieren, der dazu konfiguriert ist, Bildqualitätsprobleme zu erkennen und zu bewerten. Bei einer beispielhaften Ausführungsform werden koronare Bilddaten durch eine Kombination von automatisierten und benutzergesteuerten Verfahren unter Verwendung wenigstens eines Computersystems analysiert. Wie nachstehend ausführlicher beschrieben wird, können die offenbarten Verfahren und Systeme vollständig automatisiert, vollständig benutzergesteuert oder sowohl automatisiert als auch benutzergesteuert sein. Die offenbarten Verfahren und Systeme können dazu konfiguriert sein, eine Bewertung durchzuführen, die eine Beurteilung oder Quantifizierung eines oder mehrerer der unten genannten potenziellen Bildqualitätsprobleme umfasst:
- – Bildauflösung
- – Schichtdicke
- – Rekonstruktionskern
- – Anzahl der gescannten Schichten
- – fehlende Schichten oder fehlende Daten
- – Erfassungsphase
- – zur Zeit der Erfassung bereitgestellte Medikation
- – Herzfrequenz zur Zeit der Erfassung
- – anatomische Daten, die zwar erwünscht, jedoch nicht in den Bilddaten enthalten sind
- – Vorhandensein anatomischer Anomalien
- – Vorhandensein implantierter Vorrichtungen oder vorheriger Operationen
- – Kontrastniveau
- – Rauschniveau
- – Kontrast-zu-Rauschen-Verhältnis
- – Deckungsfehler oder Fehlausrichtung
- – Bewegung oder Unschärfe
- – Partieller Volumeneffekt oder Überbelichtung
- – Strahlaufhärtung
- – allgemein nicht interpretierbare oder schlecht definierte Bereiche
- - Image resolution
- - Layer thickness
- - Reconstruction kernel
- - Number of scanned layers
- - missing layers or missing data
- - Acquisition phase
- - Medication provided at the time of collection
- - Heart rate at the time of detection
- - anatomical data that is desired, but not included in the image data
- - presence of anatomical anomalies
- - Presence of implanted devices or previous operations
- - contrast level
- - noise level
- - Contrast to noise ratio
- - coverage error or misalignment
- - movement or blur
- - Partial volume effect or overexposure
- - beam hardening
- - generally uninterpretable or poorly defined areas
Bei einer beispielhaften Ausführungsform können diese Probleme auf einer globalen Ebene, lokalen Ebene oder sowohl auf globalen und lokalen Ebenen erkannt werden. Ein Problem auf globaler Ebene kann das Erkennen eines Bildqualitätsproblems basierend auf dem gesamten Bildvolumen umfassen und kann in manchen Fällen als ein "Bildmerkmal" bezeichnet werden. Ein Problem auf lokaler Ebene kann den Detektionsraum eines bestimmten Bereichs umfassen, z.B. um einige oder alle Koronararterien, Koronarplaque herum, entlang einer oder mehrerer Gefäßmittellinie(n) usw. und kann in manchen Fällen als eine "Bildeigenschaft" bezeichnet werden. In an exemplary embodiment, these problems may be recognized at a global, local, or both global and local levels. A problem at the global level may include recognizing an image quality problem based on the total image volume, and in some cases may be referred to as an "image feature." A problem at the local level may include the detection space of a particular area, e.g. around some or all of the coronary arteries, coronary plaque, along one or more vessel centerline (s), etc., and in some cases may be referred to as an "image property".
Bei einer beispielhaften Ausführungsform können die Systeme und Verfahren zum Bestimmen und Bewerten der Bildqualität eine Kombination aus automatisierter und benutzergesteuerter quantitativer und qualitativer Bewertung der lokalen und globalen Bildqualitätsprobleme basierend auf den zuvor genannten Qualitätsproblemen verwenden. In an exemplary embodiment, the image quality determination and evaluation systems and methods may utilize a combination of automated and user-controlled quantitative and qualitative assessment of the local and global image quality issues based on the aforementioned quality issues.
Bildqualitätsprobleme, wie CT-Bildgebungsartefakte, können aus mehreren Quellen stammen, umfassend: (i) physikalisch-basierten Quellen, wie von der Röhre (kVP, mA) und den Photonen (Fluktuation, Mangel), Strahlaufhärtung (Streifen, dunkle Bänder usw.), partielles Volumen (Überbelichtung), Unterabtastung (Überbelichtung) und Gantry-Rotationsgeschwindigkeit, (ii) patienten-basierte Quellen, wie Herzfrequenz, regelmäßiger Rhythmus (Bewegung), Metallmaterial und BMI (Strahlaufhärtung), (iii) scanner-basierte Quellen, wie nicht kalibrierte Detektor-Array-Entitäten oder Rekonstruktionskerne und -verfahren, und/oder (iv) protokoll-basierte Quellen, wie Verabreichung von Beta-Blockern (um die Herzfrequenz zu senken), Verabreichung von Kontrastmittel (hohe Konzentration, Flussrate, Einzel-, Doppel-, Dreifachphase), Kontrastzeitregelung usw., EKG-Sync und Korrektur, Nitroglyzerin (um Gefäß zu vergrößern und Trübung zu erhöhen) und linke gegenüber der linken + rechten Herztrübung. Image quality problems, such as CT imaging artifacts, can arise from multiple sources, including: (i) physical-based sources such as tube (kVp, mA) and photons (fluctuation, deficiency), beam hardening (stripes, dark bands, etc.). , partial volume (overexposure), undersampling (overexposure) and gantry rotation speed, (ii) patient-based sources such as heart rate, regular rhythm (motion), metal material and BMI (beam hardening), (iii) scanner-based sources, such as calibrated detector array entities or reconstruction nuclei and methods, and / or (iv) protocol-based sources, such as administration of beta-blockers (to lower heart rate), administration of contrast agent (high concentration, flow rate, single, double -, triple phase), contrast time control, etc., ECG sync and correction, nitroglycerin (to increase vessel and increase turbidity) and left versus left + right heart turbidity.
Das Verfahren
Das wenigstens eine Computersystem und Verfahren kann ein einziges, verschiedene oder Kombinationen von Besonderheiten in der Bildqualität bewerten oder auswerten, um Maße der Bildqualität für Bereiche von Interesse oder für einen gesamten Bilddatensatz zu erzeugen (Schritt
Bei einer Ausführungsform kann das Verfahren
Gemäß einer anderen Ausführungsform kann das Verfahren
Gemäß einer anderen Ausführungsform kann das Verfahren
Gemäß einer anderen Ausführungsform kann das Verfahren
Gemäß einer anderen Ausführungsform kann das Verfahren
Das Verfahren
Bei einer Ausführungsform können Benutzer dazu aufgefordert werden, den Kontrastzeitraum und das Rauschen als "gut" zu identifizieren, wenn ein Bild einen hohen Kontrast, ein geringes Rauschen und einen leichten rechten Kontrast aufweist, als "grenzwertig", wenn ein Bild einen mittelmäßigen Kontrast, Rauschen und hohen rechten Kontrast aufweist, und als "schlecht", wenn ein Bild einen niedrigen Kontrast, starkes Rauschen und einen hohen rechten Kontrast aufweist. Bei einer Ausführungsform können Benutzer dazu aufgefordert werden, Deckungsfehler als "gut" zu identifizieren, wenn ein Bild keine Deckungsfehler aufweist, welche die Lumengeometrie beeinflussen, als "grenzwertig", wenn ein Bild Deckungsfehlerartefakte aufweist, die nahezu senkrecht zum Gefäß liegen und korrigiert werden können, und als "schlecht", wenn ein Bild Deckungsfehler aufweist, die nicht korrigiert werden können oder die in einem Bereich der Erkrankung liegen, sodass das Lumen nicht bestimmt werden kann. Bei einer Ausführungsform können Benutzer dazu aufgefordert werden, eine Bewegung als "gut" zu identifizieren, wenn die Bewegung das Lumen oder die Plaque nicht beeinflusst, als "grenzwertig", wenn das Bild widerspiegelt, dass das Lumen beeinflusst wird, das Gefäß jedoch interpretiert und mit Annahmen modelliert werden kann, und als "schlecht", wenn das Bild widerspiegelt, dass die Interpretierbarkeit des Lumens schwerwiegend durch die Bewegung beeinflusst wird. Bei einer Ausführungsform können Benutzer dazu aufgefordert werden, die Überbelichtung als "gut" zu identifizieren, wenn eine leichte Überbelichtung die Interpretierbarkeit des Lumens nicht beeinflusst, als "grenzwertig", wenn ein hoher Überbelichtungsgrad eine Korrektur erfordern kann, aber das Bild immer noch eine Sichtbarkeit des Lumens beibehält, und als "schlecht", wenn ein schwerwiegendes Überbelichtungsartefakt das Lumen vollständig verdeckt. In one embodiment, users may be prompted to identify the contrast period and noise as "good" when an image has high contrast, low noise, and slight right contrast, as "borderline" when an image has mediocre contrast, Noise and high right contrast, and "bad" when an image has low contrast, high noise, and high right contrast. In one embodiment, users may be prompted to identify coverage errors as "good" when an image has no registration errors that affect the lumen geometry as "borderline" when an image has registration error artifacts that are nearly perpendicular to the vessel and can be corrected , and "bad" if a picture has coincidence errors that can not be corrected or are within range of the disease, so that the lumen can not be determined. In one embodiment, users may be prompted to identify movement as "good" if the movement does not affect the lumen or plaque, as "borderline" if the image reflects that the lumen is being affected but the vessel is being interpreted and can be modeled with assumptions and "bad" if the image reflects that the interpretability of the lumen is severely affected by the motion. In one embodiment, users may be prompted to identify the overexposure as "good" if slight overexposure does not affect the interpretability of the lumen, "borderline" if a high degree of overexposure may require correction, but the image still has visibility and "bad" if a severe overexposure artifact completely obscures the lumen.
Das Verfahren
Bei einer beispielhaften Ausführungsform können Maße entweder für einen Bereich (z.B. Gefäß) oder einen Datensatz mittels des Bildqualitätsbewertungssystems und -verfahrens basierend auf den Beurteilungen wenigstens einiger der oben beschriebenen Bildqualitätsprobleme erzeugt werden. Bei einer Ausführungsform kann jeder Bereich der Nicht-Interpretierbarkeit eine Bewertungszahl basierend auf der Länge (z.B. Bei einer Ausführungsform: 1,5 für kurz und 3 für lang) empfangen. Bei einer Ausführungsform kann eine Bewertungszahl, um Bilder eines Patienten (d.h. einen "Fall") zurückzuweisen, eine Bewertungszahl von 6 für ein einzelnes Hauptgefäß, eine Bewertungszahl von 8 für einen gesamten Fall und/oder eine sogenannte "Problemzone" umfassen, der eine Bewertungszahl von 10 zugewiesen worden ist. In an exemplary embodiment, measures for either an area (e.g., vessel) or a data set may be generated by the image quality evaluation system and method based on the assessments of at least some of the image quality problems described above. In one embodiment, each region of non-interpretability may receive an evaluation number based on the length (e.g., in one embodiment: 1.5 for short and 3 for long). In one embodiment, an evaluation number to reject images of a patient (ie, a "case") may include an evaluation number of 6 for a single main vessel, an evaluation number of 8 for an entire case, and / or a so-called "problem zone" having an evaluation score of 10 has been assigned.
In bestimmten Ausführungsformen können die Bildqualitätsbewertungszahlen mit anderen Faktoren gewichtet und kombiniert werden, einschließlich, jedoch nicht beschränkt auf: Größenordnung des Effektes, Größe des Problems, betroffene Bereiche, Art des Problems (z.B. Rauschen oder Bewegung), Vorhandensein/Fehlen einer Erkrankung, Gefäßgröße, Ort im Herzen, Unsicherheit der Lumendefinition, Kombination mit anderen Problemen, visuelle Interpretation, Algorithmusverlässlichkeit usw. Eine Funktion für Bereiche oder Datensätze kann abgeleitet werden, die einige, alle oder zusätzliche Gewichtungsfaktoren verwendet. Ein solches Beispiel ist nachfolgend dargestellt:
Bei einer beispielhaften Ausführungsform können Grenzen für die folgenden Kriterien definiert werden und unakzeptable Bewertungszahlen können zur Zurückweisung von Daten für Koronarblutfluss-Modellierung und -simulationen führen:
- – Bildauflösung: Pixelgröße < 0,5 mm
- – Schichtdicke ≤ 1,0 mm
- – Anzahl gescannter Schichten ≥ 64
- – fehlende Schichten oder fehlende Daten nicht akzeptabel
- – sublinguale Nitrate müssen zum Zeitpunkt der CT-Aufnahme vorhanden sein
- – Koronararterien und Myokard müssen im Datensatz vollständig enthalten sein
- – Vorhandensein anatomischer Anomalien, wie schwerer angeborener Herzfehler, sind nicht akzeptabel
- – Vorhandensein implantierter Geräte, wie Herzschrittmacher oder vorherige Operationen, wie Bypassimplantationen, sind nicht akzeptabel
- - Image resolution: pixel size <0.5 mm
- - Layer thickness ≤ 1.0 mm
- - Number of scanned layers ≥ 64
- - missing layers or missing data unacceptable
- - Sublingual nitrates must be present at the time of CT scan
- - Coronary arteries and myocardium must be completely contained in the dataset
- - The presence of anatomical anomalies, such as severe congenital heart disease, is unacceptable
- - The presence of implanted devices, such as pacemakers or previous surgeries, such as bypass grafting, are unacceptable
Bei einer beispielhaften Ausführungsform können die folgenden Kriterien auf lokaler Ebene definiert werden. Zum Beispiel kann für jedes Bildqualitätsproblem eine Bewertungszahl einer Größenordnung des Effektes erzeugt werden. Andere Informationen können hinzugefügt werden, wie der Ort und die Größe des Problems, basierend auf Folgendem:
- – Kontrastniveau
- – Rauschniveau
- – Deckungsfehler oder Fehlausrichtung
- – Bewegung oder Unschärfe
- – Partieller Volumeneffekt oder Überbelichtung
- – allgemein nicht interpretierbare oder schlecht definierte Bereiche
- - contrast level
- - noise level
- - coverage error or misalignment
- - movement or blur
- - Partial volume effect or overexposure
- - generally uninterpretable or poorly defined areas
Das Verfahren
Bei einer beispielhaften Ausführungsform können die offenbarten Systeme und Verfahren ein automatisches Bewerten quantitativer Informationen umfassen, die aus den Bilddaten extrahiert werden können, einschließlich, jedoch nicht beschränkt auf, der Bildauflösung, Schichtdicke, dem Rekonstruktionskern, der Anzahl gescannter Schichten, fehlender Schichten oder fehlender Daten sowie der Aufnahmephase. Die Informationen können durch Analysieren der Dimensionen oder Markierungen in den Bilddaten (z.B. dem DICOM-Header) extrahiert werden. Jede dieser Kategorien kann ein einfaches Zulassungs-/Zurückweisungskriterium aufweisen. Die folgenden Spezifikationen dienen dabei als Beispiele:
- – Bildauflösung: Pixelgröße < 0,5 mm
- – Schichtdicke ≤ 0,9 mm
- – Rekonstruktionskern gleichwertig zu den spezifischen Herstellerfiltern
- – Anzahl der gescannten Schichten ≥ 64
- – fehlende Schichten oder fehlende Daten nicht akzeptabel
- – Aufnahmephase > 65 % und ≤ 80 %
- - Image resolution: pixel size <0.5 mm
- - Layer thickness ≤ 0.9 mm
- - Reconstruction kernel equivalent to the specific manufacturer filters
- - Number of scanned layers ≥ 64
- - missing layers or missing data unacceptable
- - Admission phase> 65% and ≤ 80%
Bei einer beispielhaften Ausführungsform kann die Vollständigkeit der Auflösung, Schicht, Phase und der Daten keine absoluten Zulassungs-/Zurückweisungskriterien aufweisen, sondern eher einen Bereich an Bewertungszahlen, der zu einem Bildqualitätsmaß insgesamt für den Datensatz beiträgt. Zum Beispiel können die Auflösung und Schichtdicke kombiniert werden, um ein Voxelvolumen (von z.B. 0,4 mm × 0,4 mm × 0,75 mm) zu erhalten. Höhere oder niedrigere Auflösungen können die Gesamtbewertungszahl des Datensatzes erhöhen oder reduzieren. In an exemplary embodiment, the completeness of the resolution, layer, phase, and data may not have absolute admission / rejection criteria, but rather a range of scores that contributes to an overall image quality measure for the data set. For example, the resolution and layer thickness can be combined to obtain a voxel volume (e.g., 0.4 mm x 0.4 mm x 0.75 mm). Higher or lower resolutions may increase or decrease the overall rating of the data set.
Bei einer beispielhaften Ausführungsform können Informationen betreffend eine verabreichte Medikation und Herzfrequenz während einer Bildgebungsstudie zusammen mit der Studie in das Computersystem eingegeben werden. Das Computersystem kann einen Datensatz basierend auf diesen Informationen zulassen/zurückweisen, z.B. Fehlen sublingualer Nitrate kann eine Zurückweisung des Datensatzes erforderlich machen. Alternativ können Vorhandensein, Fehlen oder Dosis einer Medikation, die HR oder andere physiologische Maße zur Gesamtbewertungszahl beitragen oder das Verfahren und das Computersystem direkt anweisen, eine Modellierung und Simulation mit verschiedenen Verfahren durchzuführen. Zum Beispiel kann das Fehlen sublingualer Nitrate die Verwendung alternativer Herzlumen-Segmentierungsalgorithmen anweisen, um geeignete Gefäßgrößen sicherzustellen. In an exemplary embodiment, information regarding an administered medication and heart rate during an imaging study may be entered into the computer system along with the study. The computer system may permit / reject a record based on this information, e.g. Lack of sublingual nitrates may require rejection of the data set. Alternatively, the presence, absence, or dose of medication that may contribute HR or other physiological measures to the overall score, or direct the method and computer system to perform modeling and simulation using various methods. For example, the lack of sublingual nitrates may instruct the use of alternative cardiac lumen segmentation algorithms to ensure suitable vessel sizes.
Bei einer beispielhaften Ausführungsform können fehlende anatomische Daten, das Vorhandensein anatomischer Anomalien und das Vorhandensein implantierter Geräte oder vorheriger Operationen durch einen Benutzer des Computersystems erkannt werden. Das Vorhandensein oder Fehlen dieser Probleme kann zu einer Bewertungszahl hinzugefügt werden oder zu einer Zulassungs-/Zurückweisungsentscheidung für den Datensatz führen. Diese Bewertungen können ebenfalls automatisch erfolgen. In an exemplary embodiment, missing anatomical data, the presence of anatomical anomalies, and the presence of implanted devices or prior operations may be detected by a user of the computer system. The presence or absence of these issues may be added to a rating number or result in an admission / rejection decision for the record. These ratings can also be done automatically.
Das Verfahren
Bei einer beispielhaften Ausführungsform können die Kontrast- und Rauschniveaus lokal (z.B. an einem Abschnitt eines Gefäßes) oder global (z.B. über mehrere Gefäße oder eines großen repräsentativen Gefäßes oder Struktur hinweg) bewertet werden. Diese Bewertung kann durch Messungen des Kontrastniveaus (z.B. dem mittleren Kontrast in einem Bereich von Interesse) und des Rauschniveaus (z.B. die Standardabweichung des Kontrasts in einem Bereich von Interesse) durchgeführt werden. Diese Messungen können ebenfalls kombiniert werden, um ein Signal-zu-Rauschen-Verhältnis durch Teilen der Kontrast- und Rauschmessungen zu erzeugen. Zusätzlich können die Kontrast- und Rauschmessungen auch Kontrast und Rauschen des Hintergrunds oder umgebender Gewebe einbeziehen, um den Unterschied zwischen dem Bereich von Interesse (z.B. Koronararterie) und den Hintergrunddaten (z.B. Myokard und epikardiales Fett) zu repräsentieren. Alternativ kann der Kontrast, das Rauschen und das Kontrast-zu-Rauschen-Verhältnis qualitativ auf einer lokalen oder globalen Skala bewertet werden, indem der Grad des Rauschens im Vergleich zu Referenznormen (z.B. 1 = schlecht, 2 = grenzwertig, 3 = gut) bewertet wird. Bei einer Ausführungsform kann eine Verarbeitungseinheit eines Computersystems
Bei einer beispielhaften Ausführungsform können Deckungsfehler oder Fehlausrichtungen mittels Durchsuchen der Daten oder mittels globalem Durchsuchen des Datensatzes oder lokal in der Nähe der Arterien erkannt werden, um zu identifizieren, wo zwischen benachbarten Bildern Verschiebungen auftreten. Diese können durch einen Benutzer oder durch das Computersystem erkannt werden. Der Grad der Deckungsfehler kann dabei durch einen Abstand, um den sich die Daten verschoben haben, die Größe eines Bereiches, der davon betroffen ist (z.B. Länge des Gefäßes, das betroffen ist) oder durch die Orientierung des betroffenen Bereichs (z.B. senkrecht oder parallel zum Gefäß) klassifiziert sein. Alternativ kann der Deckungsfehler qualitativ auf einer lokalen oder globalen Skala mittels Bewerten des Grades des Deckungsfehlers im Vergleich zu Referenznormen bewertet werden (z.B. 1 = schlecht, 2 = grenzwertig, 3 = gut). Bei einer Ausführungsform kann eine Verarbeitungseinheit eines Computersystems
Bei einer beispielhaften Ausführungsform kann ein Artefakt durch Bewegung oder Unschärfe mittels Scannen durch die globalen Daten oder lokal in der Nähe der Arterien erkannt werden, um Bereiche zu identifizieren, in denen die Bilddaten unscharf sind oder weiche Kanten aufweisen (z.B. die Kante eines Gefäßes weist weiche und verwischte Kanten auf). Diese können durch einen Benutzer oder ein Computersystem erkannt werden. Der Grad der Bewegung kann durch den Abstand der unscharfen Daten, den Gradient der Bilddaten oder andere quantitative Mittel klassifiziert werden. Alternativ kann die Bewegung qualitativ auf einer lokalen oder globalen Skala mittels Bewerten des Grades der Bewegung im Vergleich zu Referenznormen bewertet werden (z.B. 1 = schlecht, 2 = grenzwertig, 3 = gut). In an exemplary embodiment, an artifact may be detected by movement or blurring by scanning through the global data or locally near the arteries to identify areas where the image data is out of focus or has edges (eg, the edge of a vessel has soft edges) and blurred edges). These can be detected by a user or a computer system. The degree of movement can be classified by the distance of the fuzzy data, the gradient of the image data or other quantitative means. Alternatively, the motion may be qualitatively evaluated on a local or global scale by evaluating the degree of movement as compared to reference standards (e.g., 1 = poor, 2 = border, 3 = good).
Bei einer beispielhaften Ausführungsform können Artefakte durch partielles Volumen oder Überbelichtung mittels Scannen durch die globalen Daten oder lokal in der Nähe der Arterien erkannt werden, um Bereiche zu identifizieren, in denen die Bilddaten helle Besonderheiten enthalten, die mit anderen Teilen der Daten interferieren. Diese können durch einen Benutzer oder ein Computersystem erkannt werden. Der Grad der Überbelichtung kann durch die Intensität, die Größe und/oder eine Messung, wie weit sich diese in benachbarte Strukturen ausbreitet (z.B. wie weit die Überbelichtung das Lumen bedeckt) klassifiziert werden. Alternativ kann die Überbelichtung qualitativ auf einer lokalen oder globalen Skala mittels Bewerten des Ausmaßes der Überbelichtung im Vergleich zu Referenznormen bewertet werden (z.B. 1 = schlecht, 2 = grenzwertig, 3 = gut). In an exemplary embodiment, partial volume or overexposure artefacts may be detected by scanning through the global data or locally near the arteries to identify areas where the image data contains peculiarities that interfere with other portions of the data. These can be detected by a user or a computer system. The degree of overexposure can be classified by the intensity, size, and / or measurement of how far it spreads into adjacent structures (e.g., how much the overexposure covers the lumen). Alternatively, the overexposure can be qualitatively evaluated on a local or global scale by evaluating the amount of overexposure compared to reference standards (e.g., 1 = poor, 2 = marginal, 3 = good).
Bei einer beispielhaften Ausführungsform können Artefakte durch eine Strahlaufhärtung mittels Scannen durch die globalen Daten oder lokal in der Nähe der Arterien erkannt werden, um Bereiche zu identifizieren, in denen die Bilddaten dunkle Flecken oder Streifen enthalten, die andere Teile der Daten beeinflussen. Diese können von einem Benutzer oder vom Computersystem erkannt werden. Der Grad der Strahlaufhärtung kann als die Intensität, die Form und/oder eine Messung, wie weit sich diese in benachbarte Strukturen ausbreitet (z.B. in wie weit die Strahlaufhärtung das Lumen bedeckt) klassifiziert werden. Alternativ kann die Strahlaufhärtung qualitativ auf einer lokalen oder globalen Skala mittels Bewerten des Grades der Strahlaufhärtung im Vergleich zu Referenznormen bewertet werden (z.B. 1 = schlecht, 2 = grenzwertig, 3 = gut). In an exemplary embodiment, artifacts may be detected by beam hardening by scanning through the global data or locally proximate to the arteries to identify areas where the image data contains dark spots or stripes that affect other portions of the data. These can be recognized by a user or by the computer system. The degree of beam hardening may be classified as the intensity, shape, and / or measurement of how far it propagates into adjacent structures (e.g., how far the beam hardening covers the lumen). Alternatively, the beam hardening can be qualitatively evaluated on a local or global scale by evaluating the degree of beam hardening compared to reference standards (e.g., 1 = poor, 2 = marginal, 3 = good).
Bei einer beispielhaften Ausführungsform können beliebige andere allgemeinen Eigenschaften, welche die Bildqualität beeinflussen, mittels Scannen durch die globalen Daten oder lokal in der Nähe der Arterien erkannt werden, um Bereiche zu identifizieren, in denen die Bilddaten nicht interpretierbar sind oder in denen die Definition der Besonderheit, wie das Lumen, schlecht ist. Diese können durch einen Benutzer oder ein Computersystem erkannt werden. Sie können durch den Grad, in welchem sie die Lumenqualität im Vergleich zu benachbarten Bereichen beeinflussen, und durch das betroffene Ausmaß quantifiziert werden. Alternativ können die Eigenschaften qualitativ auf einer lokalen oder globalen Skala mittels Bewerten des Grades der Eigenschaft im Vergleich zu Referenznormen bewertet werden (z.B. 1 = schlecht, 2 = grenzwertig, 3 = gut). In an exemplary embodiment, any other general properties that affect image quality may be detected by scanning through the global data or locally near the arteries to identify areas where the image data is uninterpretable or in which the definition of the peculiarity how the lumen is bad. These can be detected by a user or a computer system. They can be quantified by the degree to which they affect luminal quality compared to adjacent areas and by the extent involved. Alternatively, the properties can be qualitatively evaluated on a local or global scale by evaluating the degree of the property as compared to reference standards (e.g., 1 = poor, 2 = marginal, 3 = good).
Das Verfahren
Das Verfahren
Beispielhafte Ausführungsformen des Schritts (Schritt
Bei einer beispielhaften Ausführungsform können Kriterien abgeleitet werden, welche des Bildqualitätsmaßes und einen Fehler der FFR-Simulationsergebnisses gegenüber einer Referenznorm der gemessenen FFR in Beziehung zueinander bringen. Koronargefäße und/oder vollständige Datensätze, welche die Kriterien erfüllen, können zur Verarbeitung zugelassen werden, um ein bestimmtes Niveau an Genauigkeit und Präzision der Auflösung sicherzustellen. Gefäße oder vollständige Datensätze, welche die Kriterien nicht erfüllen, können mit einer höheren Fehlerquote als gewünscht korreliert sein. Alternativ können Gefäße oder vollständige Datensätze, welche die Kriterien nicht erfüllen, an andere Verfahren und/oder Systeme weitergeleitet werden, die eine höhere Genauigkeit erzielen können. In an exemplary embodiment, criteria relating the image quality measure and an error of the FFR simulation result against a reference standard of the measured FFR may be derived. Coronary vessels and / or complete datasets meeting the criteria may be allowed for processing to ensure a certain level of accuracy and precision of resolution. Vessels or complete data sets that do not meet the criteria may be correlated with a higher error rate than desired. Alternatively, vessels or complete data sets that do not meet the criteria may be forwarded to other methods and / or systems that can achieve greater accuracy.
Bei einer beispielhaften Ausführungsform können Kriterien abgeleitet werden, welche das Bildqualitätsmaß und die Variabilität in den simulierten FFR-Ergebnissen basierend auf verschiedenen Benutzern in Beziehung zueinander bringen. Koronargefäße und/oder vollständige Datensätze, welche die Kriterien erfüllen, können zur Verarbeitung zugelassen werden, um ein bestimmtes Niveau an Präzision der Auflösung sicherzustellen. Gefäße oder vollständige Datensätze, welche die Kriterien nicht erfüllen, können mit einer höheren Variabilität als gewünscht korreliert sein. Alternativ können Gefäße oder vollständige Datensätze, welche die Kriterien nicht erfüllen, an andere Verfahren und/oder Systeme weitergeleitet werden, die eine höhere Präzision erzielen können. In an exemplary embodiment, criteria may be derived that relate the image quality measure and variability in the simulated FFR results based on different users. Coronary vessels and / or complete datasets meeting the criteria may be allowed for processing to ensure a certain level of resolution precision. Vessels or complete data sets that do not meet the criteria may be correlated with higher variability than desired. Alternatively, vessels or complete data sets that do not meet the criteria may be passed on to other processes and / or systems that can achieve higher precision.
Bei einer beispielhaften Ausführungsform können Kriterien abgeleitet werden, welche das Bildqualitätsmaß und die Leistungseffizienz einer Blutfluss-Modellierung und -Simulation in Beziehung zueinander bringen. Datensätze oberhalb bestimmter Bewertungszahlen können dabei zurückgewiesen werden, mit einer speziellen Verarbeitungsgebühr verbunden werden oder an verschiedene Ressourcen weitergeleitet werden, um eine gewünschte Effizienz zu erhalten. Alternativ kann basierend auf der Bildqualitätsbewertungszahl eine Schätzung der Simulationskosten und/oder der -zeit bereitgestellt werden. Zum Beispiel, wenn die Bildqualität immer schlechter und schlechter wird, kann es möglich sein, höhere Kosten oder einen höheren Preis zu schätzen, der mit einem manuellen Identifizieren und Korrigieren der Bildqualitätseigenschaften oder anatomischen Eigenschaften verbunden ist. In an exemplary embodiment, criteria may be derived that relate the image quality measure and power efficiency of blood flow modeling and simulation. Records above certain rating numbers may be rejected, associated with a special processing fee, or forwarded to various resources to achieve a desired efficiency. Alternatively, based on the image quality score, an estimate of the simulation cost and / or time may be provided. For example, as image quality gets worse and worse, it may be possible to estimate higher costs or a higher price associated with manually identifying and correcting image quality characteristics or anatomical properties.
Bei einer beispielhaften Ausführungsform können Kriterien abgeleitet werden, um Ergebnisse aus FFR-Simulationen, die an Koronargefäßen und/oder vollständigen Datensätzen durchgeführt werden, zu markieren, die einen Bereich mit einer schlechten Bildqualität enthalten, welcher die Kriterien nicht erfüllt. Solche Markierungen können dazu dienen, einen Hinweis bereitzustellen, dass eine Unsicherheit in der Auflösung des Modells in diesem Bereich vorhanden ist, und/oder um zu erklären, was angesichts der Unsicherheit modelliert ist (z.B. eine Annahme). In an exemplary embodiment, criteria may be derived to highlight results from FFR simulations performed on coronary vessels and / or complete datasets that contain an area of poor image quality that does not meet the criteria. Such markers may serve to provide an indication that there is uncertainty in the resolution of the model in this domain and / or to explain what is modeled in the face of uncertainty (eg, an assumption).
Bei einer beispielhaften Ausführungsform können Kriterien abgleitet werden, um Bereiche in Modellen zu markieren, die eine spezielle Verarbeitung erfordern, um Genauigkeit sicherzustellen (z.B. Inspektion, unterschiedlicher Algorithmus, Gutachten eines Experten). In one exemplary embodiment, criteria may be derived to mark regions in models that require special processing to ensure accuracy (e.g., inspection, different algorithm, expert opinion).
Bei einer beispielhaften Ausführungsform können Kriterien eingestellt werden, um bestimmte Verfahren zum Bestimmen der Gefäßgröße in Anwesenheit bestimmter Bildqualitätsprobleme zu verwenden. Zum Beispiel, wenn ein Überbelichtungsartefakt um die kalzifizierte Plaque herum vorhanden ist, können sich die Verfahren und Systeme zum Bestimmen der Lumengrenzen(und anschließend des Blutflusses) in der Nähe des Artefaktes von denen bei Fehlen eines solchen Artefaktes unterscheiden. In an exemplary embodiment, criteria may be set to use certain methods of determining vessel size in the presence of certain image quality problems. For example, if there is an overexposure artifact around the calcified plaque, the methods and systems for determining the lumen boundaries (and then the blood flow) in the vicinity of the artifact may differ from those in the absence of such artifact.
Bei einer beispielhaften Ausführungsform können Kriterien abgeleitet werden, um die Unsicherheit oder die Verlässlichkeit von FFR-Simulationsergebnissen zu bewerten, die an Koronargefäßen und/oder vollständigen Datensätzen durchgeführt werden, die einen Bereich mit einer schlechten Bildqualität enthalten, welche die Kriterien nicht erfüllen. Die Unsicherheit oder Verlässlichkeit kann dazu führen, dass die FFR-Ergebnisse mit einem %-Satz einer Verlässlichkeit oder einem Verlässlichkeitsintervall basierend auf dem Effekt der Bildqualität berichtet werden (z.B. FFR ist 0,87 +/– 0,05 oder FFR ist < 0,80 mit 76 % Verlässlichkeit). In an exemplary embodiment, criteria may be derived to evaluate the uncertainty or reliability of FFR simulation results performed on coronary vessels and / or complete datasets that contain an area of poor image quality that does not meet the criteria. The uncertainty or reliability may cause the FFR results to be reported as having a percentage of reliability or a confidence interval based on the image quality effect (eg, FFR is 0.87 +/- 0.05 or FFR is <0, 80 with 76% reliability).
Bei einer beispielhaften Ausführungsform können Kriterien abgeleitet werden, um das Bildqualitätsmaß und Fehler von FFR-Simulationsergebnissen gegenüber einer Referenznorm der gemessenen FFR in Beziehung zueinander zu bringen. In an exemplary embodiment, criteria may be derived to relate the image quality measure and error of FFR simulation results to a reference standard of the measured FFR.
Koronargefäße und/oder vollständige Datensätze können anhand ihrer Bewertungszahlen gegen diese Kriterien in einer Rangfolge geordnet werden, um zu bestimmen, welche von mehreren Daten am besten zur Simulation der FFR-Ergebnisse geeignet wäre und die höchste Genauigkeit erzielen würde. Coronary vessels and / or complete datasets can be ranked against these criteria based on their scores, to determine which of several data would be best suited to simulate FFR scores and achieve the highest accuracy.
Bei einer beispielhaften Ausführungsform kann wenigstens ein Computersystem an dem Ort, an dem die Bilddaten erzeugt werden, angeordnet sein oder von dort schnell zugänglich sein. Kriterien können dazu eingestellt sein, die Bildqualität zu bewerten, insofern diese den Einfluss oder die Vorhersage von FFR-Simulationsergebnissen betrifft. Koronargefäße und/oder vollständige Datensätze können anhand ihrer Bewertungszahlen gegenüber diesen Kriterien in einer Rangfolge geordnet werden, um ein sofortiges Feedback derart bereitzustellen, dass der Ort, der die Bilddaten erzeugt, die Daten so lange korrigieren oder aktualisieren kann, bis diese die Kriterien erfüllen, die erforderlich sind, um eine gewünschte Genauigkeit zu erzielen. Alternativ könnte ein sofortiges Feedback mit einer Schätzung oder einer Verlässlichkeit, die mit einer reduzierten Genauigkeit verbunden ist, bereitgestellt werden, wodurch es dem Ort, der die Bilddaten erzeugt, ermöglicht wird, eine niedrigere Genauigkeit zuzulassen, wenn ein klinischer Nutzen besteht. In an example embodiment, at least one computer system may be located at or quickly accessible from the location where the image data is generated. Criteria may be set to evaluate the image quality as it relates to the influence or prediction of FFR simulation results. Coronary vessels and / or complete datasets may be ranked against their rating scores based on their rating numbers to provide immediate feedback such that the location that generates the image data may correct or update the data until they meet the criteria, which are required to achieve a desired accuracy. Alternatively, immediate feedback could be provided with an estimate or reliability associated with reduced accuracy, thereby allowing the location that generates the image data to allow for lower accuracy when there is a clinical benefit.
Wie in
Wenn die Daten akzeptabel sind, dann kann das Verfahren
Wenn die Segmentierung erfolgreich war (Schritt
Wenn die Netz- und Grenzbedingungen akzeptabel sind (Schritt
Wenn die unabhängige Verifizierung der endgültigen Ergebnisse akzeptabel ist (Schritt
Die vorliegend offenbarten Systeme und Verfahren können die automatische Schätzung und Korrektur der Bildqualitätsprobleme ermöglichen, wodurch der menschliche Zeitaufwand und die Variabilität reduziert werden, die vorher mit einer Qualitätskontrollübersicht der Bilddaten verbunden waren. Weiterhin können die vorliegend offenbarten Systeme und Verfahren ein besseres Verständnis einer Beziehung zwischen Simulations- und Modellierungsgenauigkeit (z.B. FFR-Fehler) und Bildqualitätsbewertungszahlen bereitstellen. Ferner können die vorliegend offenbarten Systeme und Verfahren die Benutzer dazu befähigen, eine gewünschte Grundphase eines Bildes zur analytischen Durchsicht besser und automatisch auszuwählen und somit besser auf "Problemzonen" zur weiteren Überprüfung oder Zurückweisung bestimmter Scans bereitstellen. The presently disclosed systems and methods may enable automatic estimation and correction of image quality problems, thereby reducing the human time and variability previously associated with a quality control overview of the image data. Furthermore, the presently disclosed systems and methods may provide a better understanding of a relationship between simulation and modeling accuracy (e.g., FFR errors) and image quality scores. Further, the presently disclosed systems and methods may enable users to better and automatically select a desired basic phase of an analytical review image, and thus better provide "problem areas" for further review or rejection of certain scans.
Bei einer Ausführungsform können die vorliegend offenbarten Techniken das Definieren der Eingabe von Unsicherheiten, das Berechnen von FFR-Analyseempfindlichkeiten und das Berechnen von Verlässlichkeitsintervallen in FFR gemäß beliebigen der Techniken in der US-Anmeldung Nr. 13/864,996, eingereicht am 17. April 2013,, die in ihrer Gesamtheit hierin durch Bezugnahme eingeschlossen ist, umfassen. In one embodiment, the techniques disclosed herein may include defining the input of uncertainties, calculating FFR analysis sensitivities, and calculating confidence intervals in FFR according to any of the techniques in U.S. Application No. 13 / 864,996, filed April 17, 2013, , which is incorporated herein by reference in its entirety.
Bei einer Ausführungsform können die vorliegend offenbarten Techniken das Durchführen beliebiger der verschiedenen Vorauflösungstechniken umfassen, die in der US-Anmeldung Nr. 13/625,628, eingereicht am 24. September 2012, beschrieben sind, die in ihrer Gesamtheit hierin durch Bezugnahme eingeschlossen ist. In one embodiment, the techniques disclosed herein may include performing any of the various pre-resolution techniques described in US Application No. 13 / 625,628, filed September 24, 2012, which is incorporated herein by reference in its entirety.
Bei einer Ausführungsform können FFR-Werte erfasst werden unter Verwendung von Schätzungen anhand von maschinellem Lernen im Gegensatz zu physikbasierten Simulationen. Mit anderen Worten, anstelle der Ausführung eines koronaren Lösers, wie im 812er Patent, für jeden von mehreren Kollokationspunkte, können die offenbarten Systeme und Verfahren die Blutflusseigenschaften effizient basierend auf einer durch Analysieren des Blutflusses zahlreicher anderer Patienten erhaltenen Kenntnis schätzen. Zum Beispiel können die offenbarten Systeme und Verfahren das Durchführen beliebiger der verschiedenen maschinellen Lerntechniken umfassen, die in der vorläufigen US-Patentanmeldung Nr. 61/700,213, eingereicht am 12. September 2012, die in ihrer Gesamtheit hierin durch Bezugnahme eingeschlossen ist, beschrieben sind. Daher können Bei einer Ausführungsform die FFR-Werte erhalten werden mittels Trainieren eines maschinellen Lernalgorithmus, um FFR-Werte für verschiedene Punkte einer Patientengeometrie basierend auf den Besonderheitsvektoren der physiologischen Parameter und gemessenen Blutflusseigenschaften des Patienten zu schätzen, und dann des Anwendens des maschinellen Lernalgorithmus auf die Geometrie und die physiologischen Parameter eines spezifischen Patienten, um vorhergesagte FFR-Werte zu erhalten. In one embodiment, FFR values may be detected using machine learning estimates rather than physics-based simulations. In other words, rather than performing a coronary solver, as in the '812 patent, for each of multiple collocation points, the disclosed systems and methods can efficiently estimate blood flow characteristics based on knowledge obtained by analyzing the blood flow of numerous other patients. For example, the disclosed systems and methods may include performing any of the various machine learning techniques described in US Provisional Patent Application No. 61 / 700,213, filed September 12, 2012, which is incorporated herein by reference in its entirety. Thus, in one embodiment, the FFR values may be obtained by training a machine learning algorithm to estimate FFR values for different points of a patient geometry based on the peculiarity vectors of the physiological parameters and measured blood flow characteristics of the patient, and then applying the machine learning algorithm to the Geometry and physiological parameters of a specific patient to obtain predicted FFR values.
Einer oder mehrere der hierin beschriebenen Schritte können von einem oder mehreren menschlichen Betreibern (z.B. einem Kardiologen oder anderen Arzt, dem Patienten, einem Angestellten des webbasierten Dienstanbieters oder eines anderen Drittdienstanbieters, eines anderen Benutzers usw.) oder von einem oder mehreren Computersystemen durchgeführt werden, die von einem oder mehreren solchen menschlichen Betreiber(n) verwendet werden, wie einem Desktop oder tragbaren Computer, einer Arbeitsstation, einem Server, einem persönlichen digitalen Assistenten usw. Das/die Computersystem(e) kann/können über ein Netzwerk oder ein anderes Verfahren zum Kommunizieren von Daten zusammen geschlossen sein. One or more of the steps described herein may be performed by one or more human operators (eg, a cardiologist or other physician, the patient, a web-based service provider or other third-party service provider, another user, etc.) or one or more computer systems. used by one or more such human operator (s) as a desktop or portable computer, workstation, server, personal digital assistant, etc. The computer system (s) may be through a network or other method be closed to communicate data together.
Beliebige oben in einer beliebigen Ausführungsform beschriebenen Aspekte können mit anderen hierin beschriebenen Ausführungsformen verwendet werden. Jede(s) hierin beschriebene(s) Gerät und Vorrichtung kann in jedem beliebigen geeigneten medizinischen Verfahren verwendet werden, kann durch jede(s) beliebige geeignete Körperlumen und Körperhöhle geführt werden und zur Bildgebung jedes beliebigen geeigneten Körperteils verwendet werden. Any of the aspects described above in any embodiment may be used with other embodiments described herein. Any device and device described herein may be used in any suitable medical procedure, may be passed through any suitable body lumen and body cavity, and used to image any suitable body part.
Verschiedene Modifizierungen und Variationen können an den offenbarten Systemen und Verfahren vorgenommen werden, ohne vom Umfang der Offenbarung abzuweichen. Andere Ausführungsformen sind dem Fachmann auf dem Gebiet anhand der Spezifikation und Umsetzung der hierin offenbarten Offenbarung ersichtlich. Es ist beabsichtigt, dass die Beschreibung und die Beispiele ausschließlich als beispielhaften anzusehen sind, wobei der eigentliche Umfang und Geist der Offenbarung durch die nachfolgenden Ansprüche definiert ist. Various modifications and variations can be made to the disclosed systems and methods without departing from the scope of the disclosure. Other embodiments will be apparent to those skilled in the art from the specification and implementation of the disclosure disclosed herein. It is intended that the description and examples be exemplary only 3, the true scope and spirit of the disclosure being defined by the following claims.
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturCited patent literature
- US 8386188 [0010] US 8386188 [0010]
- US 8321150 [0010] US 8321150 [0010]
- US 8315814 [0010] US 8315814 [0010]
- US 8315813 [0010] US 8315813 [0010]
- US 8315812 [0010, 0037, 0101] US 8315812 [0010, 0037, 0101]
- US 8311750 [0010] US 8311750 [0010]
- US 8311748 [0010] US 8311748 [0010]
- US 8311747 [0010] US 8311747 [0010]
- US 8157742 [0010] US 8157742 [0010]
Claims (10)
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361793162P | 2013-03-15 | 2013-03-15 | |
US61/793,162 | 2013-03-15 | ||
US14/163,589 | 2014-01-24 | ||
US14/163,589 US8824752B1 (en) | 2013-03-15 | 2014-01-24 | Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics |
Publications (1)
Publication Number | Publication Date |
---|---|
DE202014010689U1 true DE202014010689U1 (en) | 2016-04-27 |
Family
ID=51400051
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE202014010689.4U Expired - Lifetime DE202014010689U1 (en) | 2013-03-15 | 2014-02-27 | A system for evaluating the quality of medical images of at least a portion of a patient's anatomy |
DE202014010690.8U Expired - Lifetime DE202014010690U1 (en) | 2013-03-15 | 2014-02-27 | A system for evaluating the quality of medical images of at least a portion of a patient's anatomy |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE202014010690.8U Expired - Lifetime DE202014010690U1 (en) | 2013-03-15 | 2014-02-27 | A system for evaluating the quality of medical images of at least a portion of a patient's anatomy |
Country Status (9)
Country | Link |
---|---|
US (11) | US8824752B1 (en) |
EP (2) | EP3664026B1 (en) |
JP (4) | JP6255473B2 (en) |
KR (2) | KR102172182B1 (en) |
CN (1) | CN105051784B (en) |
AU (2) | AU2014238124A1 (en) |
CA (1) | CA2904832C (en) |
DE (2) | DE202014010689U1 (en) |
WO (1) | WO2014149496A1 (en) |
Families Citing this family (104)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7869563B2 (en) | 2004-11-26 | 2011-01-11 | Hologic, Inc. | Integrated multi-mode mammography/tomosynthesis x-ray system and method |
EP2943902B1 (en) | 2012-10-24 | 2020-03-11 | CathWorks Ltd. | Automated measurement system and method for coronary artery disease scoring |
US10210956B2 (en) | 2012-10-24 | 2019-02-19 | Cathworks Ltd. | Diagnostically useful results in real time |
WO2014105743A1 (en) | 2012-12-28 | 2014-07-03 | Cyberheart, Inc. | Blood-tissue surface based radiosurgical renal treatment planning |
US20140324400A1 (en) * | 2013-04-30 | 2014-10-30 | Marquette University | Gesture-Based Visualization System for Biomedical Imaging and Scientific Datasets |
US9135381B2 (en) | 2013-05-10 | 2015-09-15 | Stenomics, Inc. | Modeling and simulation system for optimizing prosthetic heart valve treatment |
JP6466435B2 (en) * | 2013-07-19 | 2019-02-06 | ボルケーノ コーポレイション | System for evaluating conduits |
RU2016112494A (en) * | 2013-09-06 | 2017-10-11 | Конинклейке Филипс Н.В. | PROCESSING DEVICE FOR PROCESSING HEART ACTIVITY DATA |
US9092743B2 (en) | 2013-10-23 | 2015-07-28 | Stenomics, Inc. | Machine learning system for assessing heart valves and surrounding cardiovascular tracts |
EP3954298A3 (en) | 2013-10-24 | 2022-03-16 | Cathworks Ltd. | Vascular characteristic determination with correspondence modeling of a vascular tree |
US10496729B2 (en) * | 2014-02-25 | 2019-12-03 | Siemens Healthcare Gmbh | Method and system for image-based estimation of multi-physics parameters and their uncertainty for patient-specific simulation of organ function |
US9773219B2 (en) * | 2014-04-01 | 2017-09-26 | Heartflow, Inc. | Systems and methods for using geometry sensitivity information for guiding workflow |
US10354349B2 (en) | 2014-04-01 | 2019-07-16 | Heartflow, Inc. | Systems and methods for using geometry sensitivity information for guiding workflow |
US9754082B2 (en) | 2014-05-30 | 2017-09-05 | Heartflow, Inc. | Systems and methods for reporting blood flow characteristics |
JP6411073B2 (en) * | 2014-06-02 | 2018-10-24 | キヤノンメディカルシステムズ株式会社 | Medical image processing apparatus and medical image processing method |
CN107072635B (en) * | 2014-09-11 | 2021-01-19 | 皇家飞利浦有限公司 | Quality metric for multi-hop echocardiography acquisition for intermediate user feedback |
US10080872B2 (en) | 2014-11-04 | 2018-09-25 | Abbott Cardiovascular Systems Inc. | System and method for FFR guidewire recovery |
WO2016092420A1 (en) * | 2014-12-08 | 2016-06-16 | Koninklijke Philips N.V. | Devices, systems, and methods for vessel assessment and intervention recommendation |
JP6810037B2 (en) * | 2014-12-11 | 2021-01-06 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | Ultrasonic output power adjustment method, device and storage medium |
DE102014226685A1 (en) | 2014-12-19 | 2016-06-23 | Siemens Healthcare Gmbh | A method for identifying coverage areas, methods for graphical representation of coverage areas, computer program and machine-readable medium and imaging device |
KR20160107528A (en) * | 2015-03-04 | 2016-09-19 | 삼성전자주식회사 | Apparatus and method for providing reliability for computer aided diagnosis |
JP6713690B2 (en) * | 2015-04-02 | 2020-06-24 | イービーエム株式会社 | Blood vessel shape constructing apparatus, method thereof, and computer software program |
US10007762B2 (en) | 2015-04-17 | 2018-06-26 | Heartflow, Inc. | Systems and methods for assessment of tissue function based on vascular disease |
KR102486700B1 (en) * | 2015-08-11 | 2023-01-11 | 삼성전자주식회사 | Apparatus and method for estimating blood pressure |
US11071501B2 (en) | 2015-08-14 | 2021-07-27 | Elucid Bioiwaging Inc. | Quantitative imaging for determining time to adverse event (TTE) |
US11113812B2 (en) | 2015-08-14 | 2021-09-07 | Elucid Bioimaging Inc. | Quantitative imaging for detecting vulnerable plaque |
US11676359B2 (en) | 2015-08-14 | 2023-06-13 | Elucid Bioimaging Inc. | Non-invasive quantitative imaging biomarkers of atherosclerotic plaque biology |
US11094058B2 (en) | 2015-08-14 | 2021-08-17 | Elucid Bioimaging Inc. | Systems and method for computer-aided phenotyping (CAP) using radiologic images |
US11087459B2 (en) | 2015-08-14 | 2021-08-10 | Elucid Bioimaging Inc. | Quantitative imaging for fractional flow reserve (FFR) |
US10176408B2 (en) | 2015-08-14 | 2019-01-08 | Elucid Bioimaging Inc. | Systems and methods for analyzing pathologies utilizing quantitative imaging |
US10492754B2 (en) * | 2015-11-20 | 2019-12-03 | International Business Machines Corporation | Real-time cloud-based virtual fractional flow reserve estimation |
US10402967B2 (en) * | 2015-12-21 | 2019-09-03 | Koninklijke Philips N.V. | Device, system and method for quality assessment of medical images |
US20190027243A1 (en) * | 2016-01-27 | 2019-01-24 | Koninklijke Philips N.V. | Predictive model for optimizing clinical workflow |
US10936892B2 (en) * | 2016-02-29 | 2021-03-02 | Koninklijke Philips N.V. | Device, system and method for verifying image-related information of a medical image |
US11244478B2 (en) * | 2016-03-03 | 2022-02-08 | Sony Corporation | Medical image processing device, system, method, and program |
TWI589267B (en) * | 2016-03-10 | 2017-07-01 | 蘇志民 | A miniature device for analyzing living organism |
TWI590183B (en) * | 2016-03-10 | 2017-07-01 | 蘇志民 | An analyzing system and method for living organism |
CN105869218B (en) * | 2016-03-28 | 2018-08-14 | 中国科学院深圳先进技术研究院 | The neoplastic lesion edit methods and device of blood vessel mathematical model |
US11129591B2 (en) | 2016-04-21 | 2021-09-28 | The University Of British Columbia | Echocardiographic image analysis |
US10674986B2 (en) | 2016-05-13 | 2020-06-09 | General Electric Company | Methods for personalizing blood flow models |
IL263066B2 (en) | 2016-05-16 | 2023-09-01 | Cathworks Ltd | Vascular selection from images |
WO2017199245A1 (en) | 2016-05-16 | 2017-11-23 | Cathworks Ltd. | System for vascular assessment |
EP3458987A1 (en) | 2016-05-20 | 2019-03-27 | Bayer Healthcare LLC | Flexible, extensible and automated systems and methods for scoring the quality of radiology examinations |
US20190156942A1 (en) * | 2016-07-15 | 2019-05-23 | Koninklijke Philips N.V. | Apparatus for assessing medical device quality |
US10839299B2 (en) * | 2016-10-28 | 2020-11-17 | International Business Machines Corporation | Non-leading computer aided detection of features of interest in imagery |
US10163209B2 (en) * | 2016-11-23 | 2018-12-25 | Toshiba Medical Systems Corporation | Medical image processing apparatus, medical image processing method, and X-ray CT apparatus |
US11069059B2 (en) | 2016-12-15 | 2021-07-20 | Koninklijke Philips N.V. | Prenatal ultrasound imaging |
EP3565259A1 (en) * | 2016-12-28 | 2019-11-06 | Panasonic Intellectual Property Corporation of America | Three-dimensional model distribution method, three-dimensional model receiving method, three-dimensional model distribution device, and three-dimensional model receiving device |
WO2018177692A1 (en) | 2017-03-31 | 2018-10-04 | Koninklijke Philips N.V. | Interaction monitoring of non-invasive imaging based ffr |
EP3607558A1 (en) * | 2017-04-06 | 2020-02-12 | Koninklijke Philips N.V. | Fractional flow reserve simulation parameter customization, calibration and/or training |
CN107296627B (en) * | 2017-07-14 | 2020-05-26 | 深圳市德力凯医疗设备股份有限公司 | Output method of cerebral blood flow automatic regulation index, storage medium and ultrasonic equipment |
CN111279424A (en) * | 2017-07-25 | 2020-06-12 | 皇家飞利浦有限公司 | Apparatus, system, and method for optimizing image acquisition workflow |
EP3437559B1 (en) * | 2017-08-03 | 2020-06-24 | Siemens Healthcare GmbH | Determination of a functional parameter relating to a local tissue function for multiple tissue areas |
GB2565306A (en) * | 2017-08-08 | 2019-02-13 | Vision Rt Ltd | Method and apparatus for measuring the accuracy of models generated by a patient monitoring system |
WO2019035064A1 (en) * | 2017-08-16 | 2019-02-21 | Hologic, Inc. | Techniques for breast imaging patient motion artifact compensation |
CN114820494B (en) * | 2017-08-30 | 2023-08-29 | 威里利生命科学有限责任公司 | Speckle Contrast Analysis Using Machine Learning for Visualizing Flow |
KR20200069305A (en) | 2017-10-06 | 2020-06-16 | 에모리 유니버시티 | Methods and systems for determining hemodynamic information for one or more arterial segments |
EP3471054B1 (en) * | 2017-10-16 | 2022-02-09 | Siemens Healthcare GmbH | Method for determining at least one object feature of an object |
US11871995B2 (en) | 2017-12-18 | 2024-01-16 | Hemolens Diagnostics Sp. Z O.O. | Patient-specific modeling of hemodynamic parameters in coronary arteries |
EP3503022A1 (en) | 2017-12-20 | 2019-06-26 | Koninklijke Philips N.V. | System for assessing a pulmonary image |
CN109965892A (en) * | 2017-12-27 | 2019-07-05 | 通用电气公司 | Coronary artery CT imaging method and computer readable storage medium |
WO2019170493A1 (en) * | 2018-03-08 | 2019-09-12 | Koninklijke Philips N.V. | Interactive self-improving annotation system for high-risk plaque burden assessment |
EP3762937A1 (en) * | 2018-03-08 | 2021-01-13 | Koninklijke Philips N.V. | Resolving and steering decision foci in machine learning-based vascular imaging |
EP3766080A1 (en) * | 2018-03-15 | 2021-01-20 | Koninklijke Philips Electronics N.V. | Method of estimating physiological parameters using medical image data |
EP3549529A1 (en) * | 2018-04-05 | 2019-10-09 | Koninklijke Philips N.V. | Ultrasound imaging system and method |
EP3564963A1 (en) * | 2018-05-02 | 2019-11-06 | Siemens Healthcare GmbH | System and methods for fast computation of computed tomography based fractional flow reserve |
US11389130B2 (en) | 2018-05-02 | 2022-07-19 | Siemens Healthcare Gmbh | System and methods for fast computation of computed tomography based fractional flow reserve |
US10631791B2 (en) | 2018-06-25 | 2020-04-28 | Caption Health, Inc. | Video clip selector for medical imaging and diagnosis |
US10751029B2 (en) | 2018-08-31 | 2020-08-25 | The University Of British Columbia | Ultrasonic image analysis |
JP6879277B2 (en) * | 2018-09-03 | 2021-06-02 | コニカミノルタ株式会社 | Image display device, radiography system, image display program and image display method |
CN109215764B (en) * | 2018-09-21 | 2021-05-04 | 苏州瑞派宁科技有限公司 | Four-dimensional visualization method and device for medical image |
CN109363661B (en) * | 2018-09-25 | 2022-02-01 | 杭州晟视科技有限公司 | Fractional flow reserve determination system, method, terminal, and storage medium |
US10803585B2 (en) | 2018-10-09 | 2020-10-13 | General Electric Company | System and method for assessing image quality |
JP7059391B2 (en) * | 2018-10-09 | 2022-04-25 | 富士フイルム株式会社 | Fluid analyzers, methods and programs |
US10937205B2 (en) * | 2018-11-06 | 2021-03-02 | Siemens Healthcare Gmbh | Detection of infarcts using trained network |
KR102236826B1 (en) * | 2018-11-30 | 2021-04-06 | 아주대학교산학협력단 | The Method and System for Evaluating the Quality of Medical Image dataset for Machine Learning |
US10813612B2 (en) | 2019-01-25 | 2020-10-27 | Cleerly, Inc. | Systems and method of characterizing high risk plaques |
CN109949250B (en) * | 2019-03-29 | 2021-05-18 | 北京奇艺世纪科技有限公司 | Image processing method and device |
EP3719477B1 (en) * | 2019-04-03 | 2023-01-18 | Mecwins, S.A. | Method for optically detecting biomarkers |
CN110084800B (en) * | 2019-04-28 | 2021-03-16 | 上海海事大学 | Lung metastasis prediction method for patients with limb soft tissue sarcoma |
EP3977470A1 (en) * | 2019-05-24 | 2022-04-06 | Koninklijke Philips N.V. | Devices, systems, and methods for guilding repeated ultrasound exams for serial monitoring |
CN110428412B (en) * | 2019-07-31 | 2022-06-03 | 北京奇艺世纪科技有限公司 | Image quality evaluation and model generation method, device, equipment and storage medium |
WO2021026125A1 (en) | 2019-08-05 | 2021-02-11 | Elucid Bioimaging Inc. | Combined assessment of morphological and perivascular disease markers |
CN111513754A (en) * | 2019-09-16 | 2020-08-11 | 深圳迈瑞生物医疗电子股份有限公司 | Ultrasonic imaging equipment and quality evaluation method of ultrasonic image |
US11367179B2 (en) * | 2019-09-30 | 2022-06-21 | GE Precision Healthcare LLC | Determining degree of motion using machine learning to improve medical image quality |
JP7350595B2 (en) | 2019-10-01 | 2023-09-26 | キヤノンメディカルシステムズ株式会社 | Image processing device, medical image diagnostic device, and image processing program |
US20210169455A1 (en) * | 2019-12-04 | 2021-06-10 | GE Precision Healthcare LLC | System and methods for joint scan parameter selection |
CN111028180B (en) * | 2019-12-23 | 2021-11-09 | 腾讯科技(深圳)有限公司 | Image processing method, video processing method and corresponding devices |
US20210319558A1 (en) | 2020-01-07 | 2021-10-14 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
AU2021205821A1 (en) | 2020-01-07 | 2022-07-21 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
US20220392065A1 (en) | 2020-01-07 | 2022-12-08 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
WO2021213519A1 (en) * | 2020-04-23 | 2021-10-28 | 上海联影医疗科技股份有限公司 | Image obtaining method and system, image quality determination method and system, and medical image acquisition method and system |
EP3910644A1 (en) * | 2020-05-12 | 2021-11-17 | Koninklijke Philips N.V. | Quality control in medical imaging |
US11487651B2 (en) | 2020-07-06 | 2022-11-01 | Fujifilm Medical Systems U.S.A., Inc. | Systems and methods for quantifying the effectiveness of software at displaying a digital record |
US20220215956A1 (en) * | 2021-01-05 | 2022-07-07 | Shenzhen Keya Medical Technology Corporation | System and method for image analysis using sequential machine learning models with uncertainty estimation |
US11744535B2 (en) | 2021-03-23 | 2023-09-05 | International Business Machines Corporation | Automated population based assessment of contrast absorption phases |
US11786191B2 (en) | 2021-05-17 | 2023-10-17 | Hologic, Inc. | Contrast-enhanced tomosynthesis with a copper filter |
WO2023097312A1 (en) * | 2021-11-29 | 2023-06-01 | Heartflow, Inc. | Systems and methods for processing electronic images using user inputs |
US20230187039A1 (en) * | 2021-12-10 | 2023-06-15 | International Business Machines Corporation | Automated report generation using artificial intelligence algorithms |
US11538163B1 (en) | 2022-01-06 | 2022-12-27 | Rowan University | Training a neural network for a predictive aortic aneurysm detection system |
EP4209994A1 (en) | 2022-01-10 | 2023-07-12 | Median Technologies | Method and system for automatic classification of radiographic images having different acquisition characteristics |
US20230289963A1 (en) | 2022-03-10 | 2023-09-14 | Cleerly, Inc. | Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination |
EP4332982A1 (en) * | 2022-08-29 | 2024-03-06 | Siemens Healthineers AG | Control device and method for controlling a medical imaging system |
KR102580749B1 (en) * | 2022-10-05 | 2023-09-19 | 서울대학교산학협력단 | Method and apparatus for image quality assessment of medical images |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8157742B2 (en) | 2010-08-12 | 2012-04-17 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8311747B2 (en) | 2010-08-12 | 2012-11-13 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
Family Cites Families (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5861731A (en) * | 1981-10-06 | 1983-04-12 | 株式会社東芝 | Computer tomography apparatus |
JPS5861731U (en) | 1981-10-20 | 1983-04-26 | 木原 裕 | Container lid fall prevention device |
US5872859A (en) * | 1995-11-02 | 1999-02-16 | University Of Pittsburgh | Training/optimization of computer aided detection schemes based on measures of overall image quality |
JP3502513B2 (en) * | 1996-09-25 | 2004-03-02 | 株式会社東芝 | Ultrasonic image processing method and ultrasonic image processing apparatus |
US6633686B1 (en) * | 1998-11-05 | 2003-10-14 | Washington University | Method and apparatus for image registration using large deformation diffeomorphisms on a sphere |
US6909794B2 (en) * | 2000-11-22 | 2005-06-21 | R2 Technology, Inc. | Automated registration of 3-D medical scans of similar anatomical structures |
JP2004105437A (en) * | 2002-09-18 | 2004-04-08 | Fuji Photo Film Co Ltd | Medical image processor and medical image photographing system |
JP2005028114A (en) * | 2003-06-18 | 2005-02-03 | Canon Inc | Radiation photographing apparatus and radiation photographing method |
CN100563574C (en) * | 2005-09-15 | 2009-12-02 | 株式会社日立医药 | X ray CT device |
WO2007074697A1 (en) | 2005-12-26 | 2007-07-05 | Ibm Japan, Ltd. | Method, program, and data processing system for operating display of display objects |
JP2007260292A (en) * | 2006-03-29 | 2007-10-11 | Toshiba Corp | Image processor and program |
US7940970B2 (en) * | 2006-10-25 | 2011-05-10 | Rcadia Medical Imaging, Ltd | Method and system for automatic quality control used in computerized analysis of CT angiography |
EP2081494B1 (en) * | 2006-11-16 | 2018-07-11 | Vanderbilt University | System and method of compensating for organ deformation |
US8781193B2 (en) * | 2007-03-08 | 2014-07-15 | Sync-Rx, Ltd. | Automatic quantitative vessel analysis |
US8023714B2 (en) * | 2007-06-06 | 2011-09-20 | Aperio Technologies, Inc. | System and method for assessing image interpretability in anatomic pathology |
JP5586835B2 (en) * | 2007-06-15 | 2014-09-10 | オーソ−クリニカル・ダイアグノスティックス・インコーポレイテッド | Clinical diagnostic analyzer performance estimator |
US20090138318A1 (en) * | 2007-11-20 | 2009-05-28 | General Electric Company | Systems and methods for adaptive workflow and resource prioritization |
AU2008351907A1 (en) * | 2008-02-25 | 2009-09-03 | Inventive Medical Limited | Medical training method and apparatus |
CN101320526B (en) * | 2008-07-11 | 2010-12-22 | 深圳先进技术研究院 | Apparatus and method for operation estimation and training |
DE102008040804B4 (en) * | 2008-07-28 | 2021-07-29 | Carl Zeiss Meditec Ag | Method, surgical microscope and analysis system for the quantitative representation of blood flow |
US8270695B2 (en) * | 2008-10-07 | 2012-09-18 | Carestream Health, Inc. | Diagnostic image processing with automatic self image quality validation |
RU2011120186A (en) * | 2008-10-20 | 2012-11-27 | Конинклейке Филипс Электроникс, Н.В. | METHOD AND SYSTEM OF LOCALIZATION BASED ON IMAGES |
JP5400588B2 (en) * | 2008-12-11 | 2014-01-29 | 富士フイルム株式会社 | Radiation imaging system |
JP5514450B2 (en) * | 2009-02-23 | 2014-06-04 | 株式会社日立メディコ | X-ray CT system |
US20110235885A1 (en) * | 2009-08-31 | 2011-09-29 | Siemens Medical Solutions Usa, Inc. | System for Providing Digital Subtraction Angiography (DSA) Medical Images |
US8520920B2 (en) * | 2009-11-11 | 2013-08-27 | Siemens Corporation | System for dynamically improving medical image acquisition quality |
JP5677757B2 (en) * | 2010-03-16 | 2015-02-25 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | Ultrasonic diagnostic equipment |
US8645165B2 (en) * | 2010-06-03 | 2014-02-04 | General Electric Company | Systems and methods for value-based decision support |
JP5868052B2 (en) * | 2010-07-21 | 2016-02-24 | シーメンス アクチエンゲゼルシヤフトSiemens Aktiengesellschaft | Comprehensive patient-specific heart modeling method and system |
US8682626B2 (en) * | 2010-07-21 | 2014-03-25 | Siemens Aktiengesellschaft | Method and system for comprehensive patient-specific modeling of the heart |
JP5642476B2 (en) * | 2010-09-28 | 2014-12-17 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | Image processing apparatus, program, and X-ray CT apparatus |
JP5697422B2 (en) * | 2010-12-10 | 2015-04-08 | 株式会社日立メディコ | X-ray diagnostic equipment |
JP5550586B2 (en) * | 2011-03-01 | 2014-07-16 | 株式会社東芝 | Medical image diagnostic apparatus, ultrasonic diagnostic apparatus, and image processing method |
CN103200872A (en) * | 2011-10-25 | 2013-07-10 | 株式会社东芝 | X-ray computed tomography apparatus |
US9262581B2 (en) | 2012-09-24 | 2016-02-16 | Heartflow, Inc. | Method and system for facilitating physiological computations |
JP2016500462A (en) | 2012-12-05 | 2016-01-12 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | Flat lighting equipment |
US9424395B2 (en) | 2013-03-04 | 2016-08-23 | Heartflow, Inc. | Method and system for sensitivity analysis in modeling blood flow characteristics |
KR20150061055A (en) * | 2013-11-25 | 2015-06-04 | 삼성전자주식회사 | Method and apparatus for detecting lesion of coronary artery from coronary ct angiography |
JP5861731B2 (en) | 2014-03-27 | 2016-02-16 | カシオ計算機株式会社 | Mobile device |
US10074038B2 (en) * | 2016-11-23 | 2018-09-11 | General Electric Company | Deep learning medical systems and methods for image reconstruction and quality evaluation |
DE102017221297A1 (en) * | 2017-11-28 | 2019-05-29 | Siemens Healthcare Gmbh | Method and device for the automated evaluation of at least one image data set recorded with a medical image recording device, computer program and electronically readable data carrier |
-
2014
- 2014-01-24 US US14/163,589 patent/US8824752B1/en active Active
- 2014-02-04 US US14/172,536 patent/US8831314B1/en active Active
- 2014-02-04 US US14/172,594 patent/US8831315B1/en active Active
- 2014-02-04 US US14/172,554 patent/US8861820B2/en active Active
- 2014-02-27 CN CN201480015889.9A patent/CN105051784B/en active Active
- 2014-02-27 KR KR1020157026093A patent/KR102172182B1/en active IP Right Grant
- 2014-02-27 AU AU2014238124A patent/AU2014238124A1/en not_active Abandoned
- 2014-02-27 WO PCT/US2014/019008 patent/WO2014149496A1/en active Application Filing
- 2014-02-27 EP EP20151462.7A patent/EP3664026B1/en active Active
- 2014-02-27 KR KR1020207030780A patent/KR102312011B1/en active IP Right Grant
- 2014-02-27 DE DE202014010689.4U patent/DE202014010689U1/en not_active Expired - Lifetime
- 2014-02-27 EP EP14713284.9A patent/EP2803038B1/en active Active
- 2014-02-27 DE DE202014010690.8U patent/DE202014010690U1/en not_active Expired - Lifetime
- 2014-02-27 JP JP2016500462A patent/JP6255473B2/en active Active
- 2014-02-27 CA CA2904832A patent/CA2904832C/en active Active
- 2014-09-11 US US14/484,112 patent/US9008405B2/en active Active
- 2014-11-26 US US14/554,653 patent/US9672615B2/en active Active
-
2016
- 2016-06-17 US US15/185,668 patent/US9836840B2/en active Active
- 2016-08-31 AU AU2016222402A patent/AU2016222402B2/en active Active
-
2017
- 2017-07-10 JP JP2017134438A patent/JP6410891B2/en active Active
- 2017-11-03 US US15/802,840 patent/US10719931B2/en active Active
-
2018
- 2018-09-25 JP JP2018178762A patent/JP6656331B2/en active Active
-
2020
- 2020-02-04 JP JP2020016765A patent/JP2020080165A/en active Pending
- 2020-06-16 US US16/902,721 patent/US11494904B2/en active Active
-
2022
- 2022-05-09 US US17/739,558 patent/US11803965B2/en active Active
-
2023
- 2023-09-22 US US18/472,729 patent/US20240013388A1/en active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8157742B2 (en) | 2010-08-12 | 2012-04-17 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8311747B2 (en) | 2010-08-12 | 2012-11-13 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8311748B2 (en) | 2010-08-12 | 2012-11-13 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8311750B2 (en) | 2010-08-12 | 2012-11-13 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8315814B2 (en) | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8315812B2 (en) | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8315813B2 (en) | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8321150B2 (en) | 2010-08-12 | 2012-11-27 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8386188B2 (en) | 2010-08-12 | 2013-02-26 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11803965B2 (en) | Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics | |
DE202014010680U1 (en) | System for evaluating cardiovascular treatment options for a patient | |
DE202011110783U1 (en) | A system for providing a non-invasively obtained fractional flow reserve and a computerized model of a portion of an anatomy of a patient |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R207 | Utility model specification | ||
R150 | Utility model maintained after payment of first maintenance fee after three years | ||
R151 | Utility model maintained after payment of second maintenance fee after six years | ||
R152 | Utility model maintained after payment of third maintenance fee after eight years | ||
R082 | Change of representative |
Representative=s name: CBDL PATENTANWAELTE GBR, DE |
|
R071 | Expiry of right |